《Results in Engineering》：Benchmarking YOLO-Based Deep Learning Models for Real-Time Object Detection in Hybrid ADAS and Intelligent Transportation Systems
编辑推荐：
本研究针对高级驾驶辅助系统(ADAS)和智能交通系统(ITS)对实时目标检测的迫切需求，系统性地评估了YOLOv8至YOLOv12五种最新深度学习架构的性能。研究人员构建了包含42,000张标注图像的统一数据集，在相同实验条件下对比了各模型的精度(mAP@50达97.5%-98.4%)、召回率(95.1%-96.2%)和推理速度(62-73 FPS)。结果表明YOLOv12在精度-速度平衡方面表现最优，为嵌入式ADAS感知子系统(TSR、PDS、VDS、CAS、ISA)的部署提供了重要参考。
在当今这个智能交通快速发展的时代，道路安全问题日益凸显。据统计，全球每年因交通事故导致的死亡人数超过119万，另有数百万人遭受长期伤害。随着道路网络复杂度的增加和城市交通拥堵的加剧，高级驾驶辅助系统（ADAS）和智能交通系统（ITS）已成为减少事故、优化交通流的关键技术。这些系统的核心在于"感知"能力——即车辆实时检测、识别和理解环境的能力。感知的可靠性直接影响着从碰撞避免到速度调节等高级决策的准确性，因此决定了ADAS在提升道路安全方面的有效性。
传统的计算机视觉方法如Haar-like特征、边缘检测器和方向梯度直方图（HOG）曾为交通标志识别和车辆识别提供了早期解决方案，但它们依赖手工制作的特征，在真实世界条件（光照变化、遮挡或天气变化）下鲁棒性有限。深度学习特别是卷积神经网络（CNN）的出现，通过数据驱动的特征学习彻底改变了目标检测领域。虽然基于区域的检测器如R-CNN和Faster R-CNN实现了较高的准确性，但它们的多阶段流程阻碍了实时性能。相比之下，YOLO（You Only Look Once）系列模型将检测重新定义为单一回归问题，在一次前向传递中预测边界框和类别概率，在一阶段设计中提供了精度与速度的卓越平衡。
从YOLOv1到最新的YOLOv12，这一系列模型经历了显著的架构进化。YOLOv8引入了无锚点检测和解耦头；YOLOv9采用了广义高效层聚合网络（GELAN）和可编程梯度信息（PGI）；YOLOv10优化了检测头设计以实现更好的精度-效率平衡；YOLO11引入了自适应信息融合（AIF）来加强多尺度特征聚合；而YOLOv12则集成了混合卷积变换器模块以增强上下文建模。面对如此快速的技术迭代，研究界急需一个公平、可重复的比较研究，以评估这些最新YOLO架构在真实ADAS和ITS环境中的性能。
本研究通过构建统一的42,000图像数据集，在完全相同的实验条件下对YOLOv8至YOLOv12进行了系统基准测试。研究不仅比较了各模型的精度（mAP@50、mAP@50-95）、召回率、F1分数等指标，还分析了推理时间、帧率（FPS）、计算复杂度（GFLOPs）和参数数量，为ADAS和ITS应用中的模型选择提供了全面参考。
关键技术方法方面，研究整合了BDD100K、CCTSDB和自定义样本，通过Roboflow平台标准化为YOLO格式，构建了包含16个交通相关类别的统一数据集。所有模型在相同硬件平台（AMD Ryzen 9 7940HX CPU、NVIDIA RTX 4070 GPU）上训练100个epoch，使用640×640像素输入图像和SGD优化器。评估指标包括精度、召回率、F1-score、mAP@50、mAP@50-95和推理速度（FPS）。
2.1. YOLO模型
研究通过结构化分类法对比了YOLOv8-v12的架构创新，包括主干网络设计、特征融合/颈部结构、检测头、注意力/上下文模块以及NMS-free特性。这种分类为理解各代YOLO的进化逻辑提供了清晰框架。
2.1.1. YOLOv8-Based Deep Learning Framework
YOLOv8作为基准模型，采用C2f轻量主干和FPN+PAN特征融合，实现锚点免费检测。其在COCO基准上比YOLOv5提升约2% mAP，推理速度达65-75 FPS，适合作为轻量级基线。
2.1.2. YOLOv9-Based Deep Learning Framework
YOLOv9引入程序化梯度信息（PGI）和广义高效层聚合网络（GELAN），显著改善梯度流和特征重用。其轻量版减少参数约10%同时提升mAP 0.5%，体现了在信息瓶颈问题上的突破。
2.1.3. YOLOv10-Based Deep Learning Framework
YOLOv10通过一致双分配（CDA）训练机制实现NMS-free推理，简化后处理流程。其并行分割注意力（PSA）和紧凑倒置瓶颈（CIB）块增强了多尺度表示，实现1.5ms的最快推理速度。
2.1.4. YOLO11-Based Deep Learning Framework
YOLO11采用更新的C3k2多分支主干和空间金字塔池化快速（SPPF）模块，在保持轻量同时增强多尺度特征聚合，适合边缘部署。
2.1.5. YOLOv12-Based Deep Learning Framework
YOLOv12结合混合卷积-变换器主干和A2C2f模块，全面集成注意力机制，在上下文建模和小物体检测方面表现最优，达到97.3%精度和96.2%召回率。
3. 结果
训练指标分析
YOLOv12n展现出最稳定收敛特性，所有损失函数在50轮后稳定，精度和召回率持续高于0.95，mAP@50-95达到最高82.2%。YOLO11n同样显示快速稳定收敛，而YOLOv10n初始损失较高但持续改善。YOLOv9t损失值高于后续版本，YOLOv8n作为基线收敛快速但mAP@50-95平台期较早。
性能基准比较
YOLOv12n在全部指标上领先：精度97.3%、召回率96.2%、F1-score 96.75%、mAP@50 98.4%、mAP@50-95 82.2%。YOLO11n紧随其后，YOLOv10n以1.5ms推理速度成为最快模型。YOLOv9t训练时间最长（13.5小时），YOLOv8n训练最快（6.4小时）但精度相对较低。
混淆矩阵分析
YOLOv12n在16个类别上表现出近乎完美的可分离性，交通标志类别准确度接近1.00，行人类别达0.96。YOLO11n和YOLOv10n在自行车和公交车等小物体上略有下降，但仍保持高水平性能。所有模型在主要车辆类别上均表现稳健。
精度-召回曲线
PR曲线显示YOLOv12n在所有类别上保持最高精度和召回率平衡，特别是在小物体和复杂场景中表现突出。后续版本依次呈现渐进式改进，证实了架构优化对检测稳定性的积极影响。
推理速度比较
所有模型均满足实时要求（>30 FPS），YOLOv10n最快（68-70 FPS），YOLOv12n次之（70-73 FPS）但精度最高，体现了精度-速度的最佳权衡。
模型复杂度分析
YOLOv9t参数最少（2.0M）但训练时间最长，YOLOv8n参数较多（3.2M）但训练效率最高。YOLOv12n在适中复杂度下实现最优精度，显示架构设计对性能的关键影响。
4. 讨论
研究结果清晰展示了YOLO系列从v8到v12的架构进化与性能提升的直接关联。每代模型在主干设计、特征聚合、多尺度融合和预测机制上的针对性改进，带来了精度、召回率和mAP的持续提升。
与现有研究对比表明，本研究的发现与文献报道一致：YOLOv8作为强实时基线被广泛验证，但在小物体检测上存在局限；YOLOv9通过GELAN和PGI模块改善特征重用和梯度稳定性；YOLOv10在精度-延迟权衡方面表现优异；YOLO11的自适应信息融合（AIF）增强空间-语义交互；YOLOv12的变换器增强主干和完全NMS-free检测头进一步减少重复检测并增强上下文感知。
研究也指出了几个重要限制：实验主要在理想视觉条件下进行，对恶劣天气、夜间照明等挑战性场景覆盖不足；数据集中存在类别不平衡问题；缺乏多国家/多环境样本；仅使用单目RGB数据而排除其他模态。这些限制在解释基准结果时需予以考虑。
未来研究应沿短、中、长期三个方向推进：短期重点扩展数据集覆盖范围和嵌入式平台验证；中期整合新兴模型探索多模态融合；长期目标发展大规模多模态ADAS基础模型和端到端管道。
5. 结论
本研究通过统一实验协议对YOLOv8至YOLOv12进行了系统基准测试，清晰展示了YOLO系列的渐进式进化。YOLOv12凭借97.3%的精度、96.2%的召回率和82.2%的mAP@50-95，成为最准确、最鲁棒的解决方案，特别适合安全关键的ADAS应用。YOLOv10以1.5ms的推理速度成为延迟敏感场景的理想选择，而YOLOv8n继续保持其作为轻量级基线的价值。
架构分析表明，注意力机制、混合卷积-变换器模块和NMS-free设计是性能提升的关键因素。这些改进直接转化为对交通标志识别（TSR）、行人检测系统（PDS）、车辆检测系统（VDS）、碰撞避免系统（CAS）和智能速度辅助（ISA）等ADAS子系统的可靠性提升。
研究建立的统一基准测试框架为ADAS和ITS领域的实时感知系统开发提供了重要参考，也为未来集成更新架构（如YOLOv13、YOLO26和RF-DETR）奠定了基础。随着自动驾驶技术向更高级别发展，这种架构感知的性能评估将变得越来越重要。
