结合非相邻特征的轻量化道路多目标检测算法

来源：电子测量技术杂志2025年第3期北京时间：

作者：黄艳国，彭建，方敏杰，吴水清

单位：1.江西理工大学电气工程与自动化学院 赣州 341000; 2.江西永安交通设施科技股份有限公司 吉安 343000

摘要：在复杂道路环境下进行多目标检测时，现有算法存在识别效果差、参数量大、计算复杂度高等问题，不适合在资源有限的移动端设备部署。对此，基于YOLOv7-tiny提出一种结合非相邻特征的轻量化道路多目标检测算法。首先，设计轻量级非相邻特征金字塔网络Tiny-AFPN对不同尺度的非相邻特征进行融合，减少因尺度差异造成的特征损失，实现更丰富的跨尺度信息交互，提升模型的泛化能力。其次，通过引入分布偏移卷积DSConv，重新设计了高效层聚合网络 ELAN，并命名为ELAN-DS，在优化高效层聚合网络、降低模型复杂度的同时提升特征表达能力。最后，采用MPDIoU损失函数，增强网络对目标的检测能力，提高了边界框回归的准确性。在SODA10M的实验中，改进后的YOLOv7-tiny算法相较于原模型的准确率、mAP@0.5和召回率分别提升了1.4%、1.4%、5.9%，参数量和计算量分别减少了8.2%和41.5%，有效降低了模型的参数量和计算复杂度，大幅度提升了模型的检测速度，为在边缘设备上的部署提供了可能性。

关键词：智能交通;车辆检测;轻量化;YOLOv7-tiny;深度学习

基金资助：国家自然科学基金(72061016)、多维智能感知与控制江西省重点实验室项目(2024SSY03161)、江西省研究生创新专项资金项目(YC2023-S654)、吉安市自然科学基金(20244-018595)项目资助