改进YOLOX的自动驾驶场景目标检测算法

来源：计算机工程与应用杂志2024年第12期北京时间：

作者：陈商盈, 倪受东, 童林

单位：南京工业大学 机械与动力工程学院，南京 211800

摘要：针对原始YOLOX在自动驾驶场景中易出现小目标的误检及漏检问题，提出一种改进YOLOX网络模型的检测方法。增加一个检测头，显著提高了小目标的检测精度。用更快的空间金字塔池化（spatial pyramid pooling-fast，SPPF）替代传统的空间金字塔池化（spatial pyramid pooling，SPP）结构，并引入了高效通道注意力机制（efficient channel attention，ECA），以增强模型对复杂背景和小目标的识别能力，有效降低了小目标的漏检率。在网络的neck部分，采用深度可分离的卷积方法，进一步提高了计算效率。基于KITTI数据集，设计了一种新的数据增强技术，提高模型的训练稳定性。实验结果表明，优化后YOLOX算法的小目标平均精度APS和平均召回率AR分别提升了0.20和0.097，在小目标检测上取得了显著进步，并大大降低了漏检率。

关键词：自动驾驶,YOLOX,目标检测,注意力机制