基于Ghost卷积和通道注意力机制级联结构的车辆检测方法研究

作者：梁继然^*; 陈壮; 董**; 陈琦; 许延雷

来源：天津大学学报 (自然科学与工程技术版), 2023, 56(02): 193-199.

• 车辆检测
• 卷积神经网络
• 轻量化

为了降低YOLOv3算法的计算量和模型体积，提高对小目标的检测能力，本文提出一种基于Ghost卷积和通道注意力机制级联结构，将其作为YOLOv3算法的特征提取网络，以减少网络计算量；在小目标预测支路引入S-RFB模块，扩大模型的感受野，更好地利用上下文信息，以提高对小目标的检测能力；使用CIOU损失作为边界框位置损失项，以加速模型的收敛．利用高斯噪声对训练样本进行数据增强，提高模型的鲁棒性．在UA-DETRAC数据集上进行实验，实验结果表明，相比于YOLOv3算法，基于Ghost卷积和通道注意力机制级联结构的G-YOLO算法的平均精度提高了2.7%，模型体积减小了67%，在复杂道路交通环境中具有良好的检测效果．

• 出版日期2023
• 单位天津大学; 天津七一二通信广播股份有限公司