基于高频边缘特征增强的道路车辆检测算法
来源：计算机工程与应用杂志2026年第12期北京时间：
作者：许德刚, 李宝森, 李滨, 王双臣, 刘栋梁
单位：1.河南工业大学 粮食信息处理与控制教育部重点实验室，郑州 450001；2.河南工业大学 河南省粮食仓储信息智能感知与决策重点实验室，郑州 450001；3.河南工业大学 信息科学与工程学院，郑州 450001；
摘要：针对复杂场景下道路小目标车辆因像素分布有限且易受背景干扰而导致误检、漏检的问题，提出了一种基于高频边缘特征增强的道路车辆检测算法。该文的核心是通过增强高频边缘特征来提升小目标车辆的检测性能。为此，设计了Edge Enhancer边缘增强模块并引入了DEConv高频细节捕获模块两个关键技术。Edge Enhancer模块采用平均池化提取低频信息、特征相减分离高频边缘信息的创新机制，对主干网络中的C3k2模块进行重构，形成MSFE-C3k2模块，从特征提取层面增强边缘细节表达能力。DEConv模块专注于捕获高频细节信息，集成到SEHead检测头中，显著增强特征提取能力的同时有效降低参数量。基于这两个核心模块，进一步构建了完整的边缘特征增强体系：设计ASFPN颈部结构配合小目标检测头以增强多尺度特征表达能力，提出WMIoU损失函数以优化边界框回归精度。在SODA10M数据集上的实验结果表明，与原始YOLOv11n相比，所提算法在mAP50和mAP50：95指标上分别提高5.6和4.1个百分点，有效增强了复杂场景下小目标车辆的检测性能。
关键词：Edge Enhancer模块,DEConv模块,ASFPN特征,WMIoU损失函数,道路车辆检测
基金资助：河南省重大科技专项（241100210100）；河南工业大学粮食信息处理中心科研平台开放课题（KFJJ2023003）。
