应用于智能车灯自闭环的感知检测算法

智能车灯自闭环要求丰富的车身前方环境感知结果，同时需要满足实时性、高准确率、低漏（误）检率等要求，基于此，提出了一种基于YOLOv8n的轻量级检测算法模型YOLOv8-Brake Light(YOLOv8-BL）。该方法通过增加通道注意力机制Squeeze-and-Excitation(SE)模块，自适应地提高模型提取复杂环境目标特征的能力；同时，在Conv模块中引入轻量化卷积，用GSConv模块代替普通卷积，有效地减少了模型计算量；在GSConv模块的基础上，设计了单一聚合模块VoV-GSCSPC来优化模型结构，以达到更高的模型性能。实验结果表明，YOLOv8-BL模型在私有数据集上的mAP@0.5指标比YOLOv8n模型更高，提高了3.9%，计算量降低至7.6 GFLOPs。提出的YOLOv8-BL模型可以在边缘端有效完成智能车灯感知任务，具有较好的实际应用价值。