改进MobileViT与YOLOv4的轻量化车辆检测网络

来源：电子测量技术杂志2023年第2期北京时间：

作者：郑玉珩，黄德启

单位：新疆大学电气工程学院 乌鲁木齐 830017

摘要：基于深度学习的目标检测算法在智能交通的应用中，对于车辆检测存在模型参数量大、计算速度慢和简单网络精准度较低的问题。本文提出了一种高效的轻量化车辆检测模型，该检测模型采用YOLOv4网络作为参考模型进行改进。首先，本文采用CSPMobileViT网络来替换原始主干网络，然后将PANet替换成BiFPN，并且将BiFPN中的3×3标准卷积替换成深度可分离卷积，最后，在BiFPN之前和YOLO-Head之前添加ECA模块。在损失函数部分，将边框回归损失CIoU改进为Focal EIoU来解决难易样本不平衡的问题。实验结果表明改进网络的mAP值为96.77%，检测速度达到每张图片0.023 4 s，模型大小只有32.76 MB，参数量为8 587 541，与原始算法相比mAP提升了1.54%，而模型大小和参数量仅约为原始模型1/8，并且FPS提升了7.5，改进算法具有更好检测效果。

关键词：YOLOv4;MobileViT;车辆检测;轻量化网络

基金资助：国家自然科学基金(51468062)项目资助