도시 지능형 교통 및 자율주행의 빠른 발전과 함께, 복잡한 교차로 다중 목표 탐지는 작은 목표 누락, 고속 이동 목표의 모션 블러, 장거리 가림 인식 어려움 및 난이도 샘플 학습 불균형 등 문제에 직면해 있습니다. 기존 알고리즘은 높은 정확도와 실시간성을 동시에 만족시키기 어렵습니다. 본 논문은 다중 주의 메커니즘 융합 기반의 이중 분기 교통 목표 탐지 알고리즘 Madulous를 제안합니다. 알고리즘은 경량 YOLOv8n을 기반으로 이중 분기 병렬 특징 추출 프레임워크(DPFE)를 구축하며, 학습 단계에서 주·보조 분기가 협력하여 특징을 추출합니다; 주망의 C2F 모듈에 효율적인 다중 스케일 주의(EMA) 모듈을 삽입하여 공간 및 채널 이중 주의 교정을 실현합니다; 넥 네트워크에 Swin Transformer 모듈을 도입하여 알고리즘이 더 넓은 범위의 문맥 정보를 융합하도록 돕습니다; 모델의 분류 손실 함수를 재구성하여 IoU 동적 임계값 기반으로 어려운 샘플의 학습 가중치를 적응적으로 향상시킵니다. 비교 실험 결과, 본 알고리즘은 mAP@0.5 91.5%를 달성하여 기준 YOLOv8n 대비 2.5% 포인트 향상되었으며, EC-R3588SPC 에지 플랫폼에서 추론 속도는 23.9 FPS에 달하고, 안개, 적외선 항공 촬영 등 교통 시나리오에서 주류 알고리즘 대비 일반화 성능이 크게 우수합니다. Madulous 알고리즘은 탐지 정확도와 실시간성의 균형을 잘 맞추어 교차로 교통 목표의 실시간 모니터링을 효과적으로 지원하며, 차량 및 비자동차 사고 발생률 감소에 신뢰할 수 있는 기술적 해결책을 제공합니다.

교통 정보 공학 및 제어;신경망;Transformer;다중 주의;목표 탐지