1 论文标题：基于YOLOv8的交通信号灯识别

2 作者信息：赵恩兴：宿州学院，信息工程学院，安徽 宿州；王 超：宿州学院，信息工程学院，安徽 宿州；同济大学，电子与信息工程学院，上海

3 出处和链接：赵恩兴, 王超. 基于YOLOv8的交通信号灯识别[J]. 人工智能与机器人研究, 2023, 12(3): 246-254. https://doi.org/10.12677/AIRR.2023.123028

4 摘要：交通信号灯的识别对于辅助驾驶系统是至关重要的，它可以帮助减少事故和提高行车安全。本文提出了基于YOLOv8的交通信号灯标志识别方法，该方法包括数据集的构建、模型的训练、自然场景测试三个主要部分。首先，通过网络公开的交通信号灯数据集进行标注，使用YOLOv8算法框架对数据集进行训练，得出最优模型。最后，在真实道路场景中对训练好的模型进行了测试，得到了较为准确的结果。通过实验对比，我们发现YOLOv8训练后的模型性能优异，在保证精度的情况下提高检测速度，还可以解决目标部分遮挡和小尺寸目标检测等问题，从而提高了识别的准确性和效率。在辅助驾驶系统中应用该方法可以更加精确地判断箭头指向性信号灯和全屏型信号灯，帮助提高车辆在路面上的运动安全性和稳定性。目前的大多方法仅仅针对于交通信号灯的颜色以及整体交通信号灯位置进行判断识别，本文会更细化交通灯上各式各样的方向标志颜色做出分类识别，通过YOLOv8算法在减少参数的情况下还能够大幅度减少计算资源，通过实验结果表明，迭代200轮后的模型mAP50-95便达到了82.6%，FPS达到了27.2帧/毫秒。

（投稿咨询请移步汉斯出版社公众号联系小编！）