面向高速公路监控场景的轻量级车辆检测算法
杨孟星1
王洁2
1.安徽理工大学 安徽淮南 2320012.金陵科技学院 江苏南京 211169
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4.01 MB,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
资助基金：交通运输行业重点科技项目清单(2020-ZD3-029)
论文发表日期：2023-02-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 10-13 )