标题：基于改进YOLOv8的夜间车辆检测方法
作者：罗杨 王威威 李熹
作者单位：广西民族大学人工智能学院，广西 南宁 530006
关键字：YOLOv8；夜间车辆检测；多尺度特征提取；深度可分离卷积
摘要：针对夜间车辆行驶的实时性、安全性要求，提出YOLOv8夜间车辆检测模型（YOLOv8-NVD）。在原模型基础上采用SPPFCSPC池化结构，配合提出的改进的YOLOv8网络Neck结构即多尺度特征图结构（Multi-Scale Feature Map Structure，MMS），有效提升了模型的召回率（Recall）和平均检测精度（mAP）。同时引入深度可分离卷积，提出DCD（DWConv+C2f-DSConv）结构，有效降低模型参数量和计算量。通过对改进后的模型的实验评估，平均检测精度mAP（50）达到了79.3%，相比YOLOv8原模型提升了3.4%，mAP（50-95）达到46.1%，相比原模型提升了3.8%，模型召回率从68.3%提升至75.2%。同时参数量和计算量与未引入深度可分离卷积时相比分别有明显的下降。实验证明，YOLOv8-NVD能在满足实时性的需求上有效提升检测精度，改善模型性能，满足夜间车辆检测的安全要求。