PulseAugur
中
实时 07:29:46
English(EN) Attention-Augmented YOLOv8 with Ghost Convolution for Real-Time Vehicle Detection in Intelligent Transportation Systems

增强型YOLOv8n模型通过注意力和高效卷积提升实时车辆检测性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种改进的YOLOv8n模型，用于实时车辆检测，该模型集成了Ghost模块、CBAM和DCNv2。该增强模型旨在通过减少特征冗余和优化特征表示来提升智能交通系统中的性能。在KITTI数据集上测试，该模型达到了95.4%的[email protected]，比标准YOLOv8n提高了近9%。 AI

影响 为智能交通系统中的车辆检测提供了更准确、更高效的解决方案。

排序理由 这是一篇研究论文，详细介绍了一种用于特定应用的改进计算机视觉模型。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

增强型YOLOv8n模型通过注意力和高效卷积提升实时车辆检测性能

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Syed Sajid Ullah, Muhammad Zunair Zamir, Ahsan Ishfaq, Salman Khan ·

    Attention-Augmented YOLOv8 with Ghost Convolution for Real-Time Vehicle Detection in Intelligent Transportation Systems

    arXiv:2604.22856v1 Announce Type: new Abstract: Accurate vehicle detection is a critical component of autonomous driving, traffic surveillance, and intelligent transportation systems. This paper presents an enhanced YOLOv8n-based model that integrates the Ghost Module, Convolutio…

相关实体

相关话题