一种面向复杂环境的多尺度自适应动态特征融合交通标志检测方法

本发明公开了一种面向复杂环境的多尺度自适应动态特征融合交通标志检测方法，包括以下步骤：选择交通标志数据集并预处理，将数据集划分为训练集、测试集和验证集；构建CPADM‑YOLO模型，该模型在YOLOv8基础上进行改进，主干网络采用C2f‑CPAM模块替代传统C2f模块，颈部网络引入TFE模块和DZSF模块重新构建新的颈部网络增强特征融合和多尺度目标检测能力，损失函数采用Wise_MPDIoU替代原有损失函数；使用处理后的数据集对CPADM‑YOLO模型进行训练，并通过测试集评估模型性能。与现有技术相比，改进后的CPADM‑YOLO模型在交通标志目标检测任务中，显著提升了交通标志检测的准确性、鲁棒性及对多尺度、小物体和密集物体的适应能力。