夜间交通目标检测模型

夜间检测精度提升

针对夜间城市环境优化的YOLOv11变体，通过轻量化卷积与多尺度特征融合，在保持较低参数量的同时提升检测性能。

Danyang, Zhu · Hao, Zhou · YunLong, Gao · Wang, Yongjuan

IEEE Access 2025

参数信息

精确率 (Precision)

3.1 %

召回率 (Recall)

3.4 %

mAP50

4 %

mAP50-95

3.6 %

技术优势

参数量更少

在骨干网络用WTC3k2替代C3k2，在不损失精度的前提下减少模型参数量，部署更轻量。

多尺度特征融合更强

颈部采用HS-FPN结构增强多尺度特征融合，提升对尺度变化目标的检测能力。

检测更准

整体检测性能提升：P提升3.1%，R提升3.4%，mAP50提升4%，mAP50-95提升3.6%。

应用场景

• 自动驾驶感知：提升夜间无人驾驶对行人与车辆的感知可靠性。
• 夜间目标检测：解决通用检测器在夜间精度下降的问题。
• 智能交通系统：为城市夜间交通监控提供更精准的实时目标识别。