潘宁超, 赵明瞻, 王世琪
电脑与电信. 2025, (10): 26-31.
针对自动驾驶路面图像中行人目标难以识别、检测精度低等问题,提出了一种基于改进YOLOv11的道路物体检测算法。研究首先针对YOLOv11在多尺度特征建模能力上的局限性,设计了一种融合频域卷积建模与空间–通道注意力机制的改进模块。在YOLOv11的C3k2结构基础上引入优化后的FDConv模块,构建出Bottleneck_FDConv、C3k_FDConv与C3k2_ FDConv子结构,有效增强了模型对小目标和复杂场景的特征提取能力。同时,对YOLOv11原有的损失函数进行了优化:一方面引入Focal Loss以缓解正负样本不平衡问题,另一方面增加小目标加权机制,从而提升模型对行人等小目标的关注度。实验在公开数据集KITTI上进行验证,结果表明改进后的YOLOv11在行人检测指标上达到了74.43%,较原始YOLOv11提高了3.1%,改进后的 YOLOv11算法在mAP50这一指标上达到了84.87%,与原始的YOLOv11相比,提高了0.85%,显著提升了模型的检测精度和鲁棒性,具有较高的应用价值。