一种基于轻量化YOLOv8的密集道路场景目标检测方法

本发明公开了一种基于轻量化YOLOv8的密集道路场景目标检测方法，涉及道路目标检测领域，该方法构建了新的LDA‑YOLOv8模型。首先，设计了新的卷积层结构LC2f，并对模型主体架构中的大部分卷积层学习Ghostnet的思想进行改进，在对模型性能损害较小的同时显著降低模型的参数量与计算量。同时，设计了检测头LSCD，采用组归一化以及共享卷积使得网络模型在参数量更少、计算量更少的情况下，尽可能维持模型精度。其次，将模型回归输出的目标建模在非固定任意分布上，增强目标分布密集时模糊边界的检测效果以及网络学习范围，并在后处理阶段采用基于密度的软阈值非极大值抑制方法，灵活处理普通场景与密集场景下的目标检测问题。