面向高速公路监控场景的轻量级车辆检测算法

车辆检测是高速公路交通监控系统最重要的任务之一，但现有高速公路场景下的车辆检测算法存在模型参数量大、平均检测速度慢以及远处小尺度车辆漏检率高等问题。针对上述问题，提出了一种面向高速公路监控场景的轻量级车辆检测算法MG-YOLO。算法基于YOLOv5s进行设计，首先将高效通道注意力模块与MobileNetv3-small轻量级网络融合作为主干特征提取网络，减少模型参数，提高检测速度。然后引入加权双向特征金字塔融合结构，并结合Ghost模块，增强小目标车辆的检测能力。最后在检测头添加高效通道注意力模块，提高算法的检测精度。通过实际高速公路监控视频构建车辆检测数据集，并在该数据集上对MG-YOLO进行评估。实验结果表明，MG-YOLO参数量约为188万，模型大小为4.01MB，平均检测精度（mean average precision, mAP）为90.7%。与YOLOv5s相比，MG-YOLO的模型参数量降低95%、模型大小减小95%、检测速度提升43%、mAP提高0.2%，有效提高了高速公路监控场景下车辆检测速度，同时保持了车辆检测精度。