現在の交通標識検出方法が小さい対象物、ぼやけた対象物、および複雑な環境下で検出精度が低い問題を解決するために、本論文では複雑な交通環境におけるモデルの識別性能を向上させるための改良型交通標識検出モデルYOLOv8-NTSを提案する。本モデルはYOLOv8をベースに3つの側面で改良を加えた。まず、バックボーンネットワークに軽量化されたハイブリッド注意変換モジュールSlimHATを設計し、グローバルなピクセル情報のモデリング能力を強化し特徴表現精度を向上させた。次に、WTConvベースのWT-C2fBlockモジュールを設計し、元のC2fモジュールに代わり、モデルのパラメータ数を12.2％削減しつつ検出精度を維持した。最後に、空間注意機構と畳み込み操作を組み合わせた新しい検出ヘッドRFAheadを設計し、特徴抽出と融合プロセスを最適化することで、モデルの対象物表現能力とロバスト性をさらに強化した。TT100K交通標識データセットでの実験により、改良されたYOLOv8-NTSモデルはベースラインモデルYOLOv8と比較して、精度、再現率、mAP50およびmAP50~90指標でそれぞれ6.5％、5.0％、7.3％および5.3％向上し、顕著な性能向上を示した。提案されたYOLOv8-NTSモデルは、計算コストを低く抑えつつ交通標識検出の精度と汎化能力を大幅に向上させ、本手法の有効性と実用性を検証し、知能交通シナリオにおける交通標識認識の信頼できる技術的支援を提供できる。

交通標識検出;SlimHAT;WT-C2fBlock;RFAhead;YOLOv8