摘要:针对当前自动驾驶场景下道路目标检测算法对远距离小目标、遮挡目标容易出现漏检和误检的问题,提出一种基于改进YOLOv8n的道路目标检测算法。在特征提取方面,对感受野注意力卷积进行轻量化改进,重新构造C2f模块,以解决卷积计算中参数无法共享问题,使网络有效捕捉关键信息;然后引入轻量化点采样算子,以减少上采样过程中特征细节损失,更好保留图像的细节信息;在特征融合方面,设计多尺度特征融合网络,以增强小目标特征信息,丰富不同尺度特征的双向融合;同时使用归一化注意力机制,以抑制无关背景信息干扰,提高模型抗干扰能力。实验结果表明,提出的改进算法在KITTI数据集和Udacity数据集上的检测精度分别达到了92.6%和78.7%,相比原始算法分别提高了2.1%和1.6%,模型依然满足轻量化要求,在一定程度上提高了对复杂道路场景的适应能力。