基于改进YOLOX的轻量化交通监控目标检测算法

来源：计算机工程与应用杂志2024年第7期北京时间：

作者：胡伟超, 郭宇阳, 张奇, 陈艳艳

单位：1.公安部道路交通安全研究中心 科研管理处，北京 100062；2.北京工业大学 城市交通学院，北京 100124；3.成都市公安局 交通管理局，成都 610017

摘要：交通目标检测技术是道路交通管理部门进行交通流量监测、安全管控等核心工作的重要技术之一。面对大量的交通监控视频数据，需要使用检测速度更快、精度更高、占用计算资源更少的交通目标检测技术。为了满足这一需求，根据YOLOX算法和PP-LCNet网络，提出了一种面向交通监控场景的轻量型交通目标检测算法PL-YOLO。使用基于PP-LCNet改进的网络作为目标检测器的主干特征网络，使用深度可分离卷积代替YOLOX中的普通卷积，降低模型运算过程中的复杂度；根据交通监控场景下的车辆分布密集且尺寸小的特点，添加SimAM注意力机制模块，聚焦于更有意义的特征图像。实验结果表明，相对于YOLOX-s模型，改进后的PL-YOLO检测精度提升1.89个百分点，模型大小降低了54%，FPS从20.88?帧/s提升到26.68?帧/s。

关键词：目标检测,交通监控场景检测,YOLOX,轻量化,PP-LCNet