Для решения проблемы низкой точности обнаружения текущих методов выявления дорожных знаков при работе с мелкими объектами, размытыми целями и в сложных условиях настоящая работа предлагает усовершенствованную модель обнаружения дорожных знаков YOLOv8-NTS для повышения производительности модели в сложных дорожных условиях. Модель основана на YOLOv8 и включает три улучшения: во-первых, в базовой сети разработан облегчённый модуль гибридного внимания SlimHAT для улучшения моделирования глобальной информации о пикселях и повышения точности представления признаков; во-вторых, спроектирован модуль WT-C2fBlock на основе WTConv, замещающий оригинальный модуль C2f, который сокращает количество параметров модели на 12.2% при сохранении точности обнаружения; наконец, разработана новая голова обнаружения RFAhead, сочетающая пространственный механизм внимания и сверточные операции для оптимизации процесса извлечения и объединения признаков, что дополнительно усиливает способность модели к выражению и устойчивости целей. Эксперименты на датасете дорожных знаков TT100K показали, что усовершенствованная модель YOLOv8-NTS повысила показатели точности, полноты, mAP50 и mAP50~90 на 6.5%, 5.0%, 7.3% и 5.3% соответственно по сравнению с исходной моделью YOLOv8, демонстрируя значительные преимущества в производительности. Предложенная модель YOLOv8-NTS способна значительно улучшить точность обнаружения дорожных знаков и обобщающую способность при сохранении низких вычислительных затрат, что подтверждает эффективность и практическую ценность данного подхода и может обеспечить надежную техническую поддержку распознаванию дорожных знаков в интеллектуальных транспортных сценариях.

Обнаружение дорожных знаков;SlimHAT;WT-C2fBlock;RFAhead;YOLOv8