LMFI-YOLO：复杂场景下的轻量化行人检测算法

来源：计算机工程与应用杂志2025年第15期北京时间：

作者：袁婷婷, 赖惠成, 汤静雯, 张晞, 高古学

单位：1.新疆大学 计算机科学与技术学院，乌鲁木齐 830046；2.淮阴工学院 计算机与软件工程学院，江苏 淮安 223001

摘要：针对当前行人检测算法在复杂场景下存在误检、漏检及模型复杂度高等问题，提出一种改进YOLO11的轻量化行人检测算法——LMFI-YOLO融合RepConv来改进C3k2模块，构建RS-C3k2结构，以增强网络对行人特征的学习与捕捉能力。设计全新的颈部结构MBFPN，结合高效上采样模块与多尺度卷积模块，以强化特征融合并提升行人的特征表达能力，大幅提高检测精度。设计任务交互检测头TD-Detect，通过共享卷积与任务交互机制显著减少参数量和模型大小。为进一步提高检测精度，采用Focaler-GIoU作为边界框回归损失函数，通过聚焦不同回归样本来提升目标定位与整体性能。实验结果表明，所提算法在CityPersons数据集上mAP50提升8.5个百分点，模型参数量降至1.8×106，模型大小压缩至4.1 MB；在TinyPerson与CrowdHuman数据集上的泛化性实验表明，该算法在小尺寸目标和遮挡场景下的mAP50分别提升6.0和4.0个百分点。综合来看，LMFI-YOLO在保证检测精度显著提升的同时大幅降低了模型复杂度。

关键词：行人检测,小目标行人,遮挡行人,深度卷积,任务交互