都市のスマート交通および自動運転の急速な進展に伴い、複雑な交差点におけるマルチターゲット検出は、小さなターゲットの見逃し、高速移動ターゲットによるモーションブラー、長距離遮蔽の認識困難、容易・困難サンプルの学習不均衡などの課題に直面しています。既存のアルゴリズムは高精度とリアルタイム性の両立が困難です。本論文では、多重注意機構を融合させた二重分岐交通ターゲット検出アルゴリズムMadulousを提案します。アルゴリズムは軽量なYOLOv8nを基に、二重分岐並列特徴抽出フレームワーク（DPFE）を構築し、学習段階で主・補助分岐が協調して特徴抽出を行います。主ネットワークのC2Fモジュールには高効率マルチスケール注意（EMA）モジュールを組み込み、空間およびチャネルの二重注意校正を実現。ネックネットワークにはSwin Transformerモジュールを導入し、より広範囲の文脈情報融合を支援。モデルの分類損失関数を再構築し、IoU動的閾値に基づき困難サンプルの訓練重みを適応的に向上させます。比較実験により、本アルゴリズムはmAP@0.5で91.5%を達成し、基準YOLOv8nより2.5ポイント向上。EC-R3588SPCエッジプラットフォームでの推論速度は23.9 FPSに達し、霧天や赤外線空撮などの交通シーンにおいて主流アルゴリズムを大きく上回る汎化性能を示します。Madulousアルゴリズムは検出精度とリアルタイム性の良好なバランスを実現し、交差点の交通ターゲットのリアルタイム監視を効果的に支援し、車両および非自動車走行事故の発生率低減に信頼できる技術的解決策を提供します。

交通情報工学および制御;ニューラルネットワーク;Transformer;多重注意;ターゲット検出