SME-YOLO:轻量化盲道障碍物检测方法

来源：计算机技术与发展杂志2025年第08期北京时间：

作者：冯今瑀;张?焕;张铁林;彭?磊;李延军

摘要：针对现有盲道障碍物检测方法存在的精度低、计算量大等问题,提出一种轻量化检测算法SME-YOLO。首先,引入StarNet中的StarBlock替换C2f模块的Bottleneck,设计StarC2f结构以减少网络复杂度并增强特征提取能力。其次,改进双向特征金字塔网络引入低层细节特征与多尺度特征融合支路,提出新的颈部网络MS-FPN,减小模型体积,提升小目标检测性能;设计轻量级共享细节增强卷积检测头ESDECD,提高参数利用率,强化特征交互能力;此外,采用基于通道的特征知识蒸馏,进一步优化轻量化模型性能。最后,为验证模型效果,构建了视障出行盲道障碍物检测数据集。实验表明:SME-YOLO较基准模型而言,参数量、计算量及权重大小分别下降55.95%、39.51%、43.21%,平均精度均值mAP@0.5提升1.5百分点。SME-YOLO实现了模型轻量化与精度的双重优化,适合在终端设备部署辅助视障出行。

关键词：盲道障碍物;轻量化;共享参数;细节增强卷积;知识蒸馏