面向高速公路监控场景的轻量级车辆检测算法 |
| |
引用本文: | 杨孟星,王洁.面向高速公路监控场景的轻量级车辆检测算法[J].信息技术与信息化,2023(2):10-13. |
| |
作者姓名: | 杨孟星 王洁 |
| |
作者单位: | 1. 安徽理工大学;2. 金陵科技学院 |
| |
摘 要: | 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。
|
关 键 词: | 车辆检测 YOLOv5s 轻量化 MobileNetv3 高速公路 |
|
|