改进YOLOX的轻量级多方向车牌检测算法

作者：雷景生; 章志豪; 钱小鸿; 王巍然; 杨胜英^*

来源：计算机工程与应用, 2023, 1-14.

• 深度学习
• 轻量化
• YOLOX
• 目标检测
• 注意力机制

针对现有的车牌检测算法在复杂环境下检测多方向车牌效果不佳、实时性差以及模型参数量和计算量过大等问题，提出了一种基于YOLOX的轻量级多方向车牌检测算法。首先，通过调整残差组件的数量，并采用大卷积核结合深度可分离卷积的方法，降低了主干网络的参数量。然后，引入通道注意力机制，以有效提取通道交互信息，减少噪声的干扰。其次，使用深度可分离卷积和调整扩展率的方法对特征融合网络进行轻量化处理。最后，设计了旋转解耦头，通过添加角度预测分支，使其能够更精准的预测多方向车牌的旋转边界框。同时，采用旋转IoU损失代替水平IoU损失，提高检测的准确性。CCPD数据集上的实验结果表明，改进算法的参数量和计算复杂度分别为2.38M和12.97GFLOPs，相较于YOLOX-tiny分别减少了45%和33%，检测精度AP70为94.9%，每秒检测帧数FPS为76.6帧/s。改进后的车牌检测模型能够在保持高精度的同时实时检测多方向车牌。

• 出版日期2023
• 单位浙江科技学院; 国网上海市电力公司; 电子工程学院