基于重参数化的轻量化非机动车目标检测

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：马超凡, 李翔, 王晓霞, 陈晓

单位：陕西科技大学 电子信息与人工智能学院，西安 710021

摘要：针对非机动车检测中目标数量多易被遮挡、检测模型参数量较大且检测速度慢的问题，结合YOLOv8算法和HGNetV2网络,提出一种基于重参数化的轻量化非机动车目标检测算法RCH-YOLO。使用基于HGNetV2改进的重参数化骨干网络，减少参数量和计算量，提高检测速度;在此基础上，使用Slim-neck改进颈部网络，并在检测器中使用TGConv卷积，降低网络复杂度的同时保持准确性；采用Wise-IoU损失函数计算定位损失，加速模型收敛速度，提高对重叠目标的识别准确率。实验结果显示，相较于基准模型，RCH-YOLO算法平均检测精度提高了0.3个百分点，参数量、模型大小和GFLOPs分别降低了47.9%、44.2%和54.9%，验证了其有效性。

关键词：轻量化,非机动车,YOLOv8,重参数化,HGNetV2