小目标车辆及行人轻量化检测算法改进:DSWR-YOLO

来源：电子测量技术杂志2026年第9期北京时间：

作者：蔡惠强，方遒，王震，姚聪

单位：1.厦门理工学院机械与汽车工程学院 厦门 361024; 2.厦门大学航空航天学院 厦门 361005

摘要：针对自动驾驶场景下小目标车辆与行人检测精度低、模型计算复杂度高等问题，提出了一种基于YOLOv10n改进的DSWR-YOLO轻量化小目标行人与车辆检测算法。首先引入DWR模块，改进其扩张残差为DSConv，并嵌入SimAM注意力机制重构C2f模块，增强小目标特征保留能力；其次新增160×160检测层，采用多专家融合和分离设计并结合DynamicConv，设计全新的动态检测头Detect-dyHead-P2，显著降低模型参数量并提高对小目标的检测能力；最后融合Focaler-SDIoU损失函数，动态调整损失权重，以解决样本不均衡和边界框回归不稳定等问题。在VisDrone2019数据集上进行验证，改进模型(DSWR-YOLO)在参数量和浮点运算分别减少25.9%和33.3%的情况下，mAP@0.5、Precision和Recall分别提升3.7%、2.9%和3.3%，轻量化的同时提升模型的检测精度，适用于资源受限的嵌入式设备。在UA-DETRAC数据集进行泛化实验，改进模型比原模型mAP@0.5、Precision和Recall分别提升0.9%、1.2%和2.0%，表明模型的泛化能力良好，鲁棒性强。

关键词：行人与车辆检测;YOLOv10n;轻量化;DSWR;动态检测头;Focaler-SDIoU

基金资助：福建省自然基金(2022J011247)项目资助