YOLO-SWR：无人机视角下轻量级交通车辆检测算法

来源：计算机工程与应用杂志2025年第14期北京时间：

作者：王泉, 叶广飞, 陈祺东

单位：1.南京信息工程大学 计算机学院，南京 210014；2.无锡学院 物联网工程学院，江苏 无锡 214105

摘要：在智能交通系统中，无人机视角的车辆检测因其灵活性和高效性，受到越来越多的关注。无人机的车辆检测面临目标尺寸小、尺度变化大、复杂背景干扰、计算资源有限等问题，如何在有限的计算资源下提升检测精度是一个重要的挑战。针对以上问题，提出了一种精度更高且轻量的车辆检测模型YOLO-SWR。在保持三尺度检测的前提下增加了针对小目标的检测层，充分提取小目标的位置信息和细节特征，同时采用共享轻量检测头，减少网络参数量和计算量；在骨干和颈部网络中使用小波变换替代传统卷积，利用低频和高频分量提取多尺度特征；在C3k2模块中集成RDS模块，加强从网络高层的可扩展感受野中提取特征，并通过残差结构和深度可分离卷积融合浅层特征和深层特征，同时缓解梯度消失问题；采用Soft-NMS策略优化目标框筛选过程，提升细节特征的处理精度。实验结果表明，基于筛选后的VisDrone2019数据集，提出的模型YOLO-SWR比基础模型YOLOv11n，在mAP方面提升了9.6个百分点，同时参数量减少了56%。因此，提出的模型YOLO-SWR在精度与轻量化方面均具有显著优势。

关键词：小目标检测,轻量化,交通车辆,目标跟踪,无人机视角