基于改进YOLOv8n的室外车位检测算法
葛旭
姜月秋
沈阳理工大学信息科学与工程学院 辽宁沈阳 110159
摘要：针对目前室外车位检测算法存在参数量大和因室外环境多变而导致的检测效果差等问题,文章提出了一种基于改进YOLOv8n的室外车位检测算法.针对模型参数量大和计算复杂的问题,在主干网络中融入RepGhostNet轻量级网络,减少计算量并提高模型的轻量化程度.同时针对室外停车场图像背景复杂和车位边缘信息特征不足的问题,通过在颈部网络中嵌入卷积注意力模块CBAM来抑制背景信息干扰和强化车位特征.实验结果表明,改进后模型mAP达到96.0％,参数量和计算量分别下降了 11％和12％,在降低网络模型大小的同时也能够维持较高的检测精度和检测速率.
关键词：车位检测YOLOv8nRepGhostNetCBAM室外停车场
论文发表日期：2025-02-27
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 7-10 )