현재 교통 표지판 검출 방법이 소형 객체, 흐릿한 객체 및 복잡한 환경에서 검출 정확도가 낮은 문제를 해결하기 위해 본 논문에서는 복잡한 교통 환경에서 모델의 인식 성능을 향상시키기 위한 개선된 교통 표지판 검출 모델 YOLOv8-NTS를 제안한다. 본 모델은 YOLOv8을 기반으로 세 가지 측면에서 개선되었다. 첫째, 백본 네트워크에 경량화된 혼합 주의 변환기 모듈 SlimHAT를 설계하여 전역 픽셀 정보 모델링 능력을 강화하고 특징 표현 정확도를 높였다. 둘째, WTConv 기반의 WT-C2fBlock 모듈을 설계하여 기존 C2f 모듈을 대체함으로써 모델 파라미터 수를 12.2% 줄이면서 검출 정확도를 유지하였다. 마지막으로 공간 주의 메커니즘과 컨볼루션 연산을 결합한 새로운 검출 헤드 RFAhead를 설계하여 특징 추출 및 융합 과정을 최적화하고 모델의 객체 표현력과 견고성을 더욱 강화하였다. TT100K 교통 표지판 데이터셋에서의 실험 결과, 본 모델은 기준 모델 YOLOv8과 비교하여 정확도, 재현율, mAP50 및 mAP50~90 지표가 각각 6.5%, 5.0%, 7.3%, 5.3% 향상되어 뛰어난 성능 우위를 보였다. 제안한 YOLOv8-NTS 모델은 낮은 계산 비용을 유지하면서 교통 표지판 검출 정확도와 일반화 능력을 크게 향상시켜 본 방법의 유효성과 실용 가치를 검증하였으며, 지능형 교통 시나리오에서 교통 표지판 인식을 위한 신뢰할 수 있는 기술 지원을 제공할 수 있다.

교통 표지판 검출;SlimHAT;WT-C2fBlock;RFAhead;YOLOv8