基于网络结构轻量化的道路监控检测模型

来源：电子测量技术杂志2025年第13期北京时间：

作者：来超凡，花强，母静越，张博

单位：1.河北大学数学与信息科学学院 保定 071000;2.河北省机器学习与计算智能重点实验室 保定 071000; 3.河北农业大学理学院 保定 071000

摘要：针对现有交通监控检测模型参数量大，计算复杂度高，在一些边缘设备上部署会受到硬件资源限制的问题，对YOLOv8模型的网络结构进行了针对性改进，提出一种基于网络结构轻量化的道路监控检测模型。首先在骨干网络部分：采用极简网络架构VanillaNET替代原本的主干网络的中间部分进行特征提取，以减少模型的参数量和整体的计算复杂度。接着将FasterNet的优势与EMA注意力机制相结合,应用到骨干网络的C2f模块，有效降低了内存访问量，并一定程度上提升了模型的检测能力。然后将SPPCSPC结合分组卷积，提出G-SPPCSPC模块，提升了模型对监控视角下不同大小尺度信息的提取能力。最后，在颈部网络：将轻量级注意力机制MLCA结合到C2f模块，目的是减少无关背景信息对于道路监控检测的干扰。实验结果表明，改进后的模型参数量降低了53.3%，模型尺寸减小了51.3%，计算复杂度下降了48.1%，mAP/50%达到了93.7%，FPS达到了280.5。模型在显著降低模型参数量和计算复杂度的同时，保持了较高的检测精度和速度，适用于边缘设备的部署，具有较高的实用价值。

关键词：道路监控检测;YOLOv8n;轻量化;注意力机制

基金资助：河北省科技平台项目-创新能力提升计划（22567623H）项目资助