Lors de la détection des cibles de véhicules dans des conditions météorologiques complexes, en raison de l'existence de flou de cible et d'occlusion entraînant une nette diminution de la précision de détection des véhicules, un algorithme amélioré de détection des véhicules YOLO-CGT basé sur YOLOv8 est présenté. Cet algorithme est conçu pour l'entrée d'images de caméras embarquées, en introduisant plusieurs améliorations dans la structure YOLOv8, ce qui a permis une amélioration significative de la stabilité de la détection dans des environnements complexes. Parmi elles, le module de fusion de résidus multiéchelle remplace la structure de réseau principal d'origine C2f pour renforcer l'utilisation des informations d'origine et réduire le problème de disparition du gradient causé par la profondeur du réseau; l'introduction d'un module de fusion spatiale, fusionnant des informations globales d'extraction et une perception d'informations locales; la conception d'une tête de détection dynamique et légère pour équilibrer la précision de la détection et l'efficacité. Introduction de la distance minimale intérieure des points sur l'union intersection sur union (Inner-Minimum Points Distance Intersection over Union, Inner-MPDIoU) pour remplacer l'IoU traditionnel, afin de réduire le problème de chevauchement de boîtes cibles. Après entraînement et validation sur un ensemble de données de véhicules dans des conditions météorologiques complexes, les résultats expérimentaux montrent que la précision moyenne de détection de cette méthode atteint 81,4%, enregistrant une augmentation de 6,3%, et le volume de paramètres du modèle est de 3,259 < inline-formula > < alternatives > ×10⁶, le volume de calcul est de 9,7GFLOPs, ce qui a entraîné une amélioration significative de la précision tout en garantissant la capacité de déploiement léger du modèle. Cette méthode de recherche fournit une garantie solide pour un fonctionnement sûr et stable du système de conduite autonome.

Conduite autonome; Détection des véhicules; YOLOv8; Conditions météorologiques complexes; Caractéristiques multi-échelles