基于轻量化卷积神经网络车载雷达图像目标识别方法

来源：雷达科学与技术杂志2025年第1期北京时间：

作者：李家强，汪星宇，陈金立，姚昌华

单位：南京信息工程大学电子与信息工程学院， 江苏南京 210044

摘要：针对车载毫米波雷达距离?方位图像细节模糊、目标占比小，卷积神经网络模型复杂难以在端侧部署的问题，本文提出了一种基于轻量化卷积神经网络YOLOv5s的车载雷达图像目标识别方法。首先结合Ghost卷积设计轻量化解耦头，并行处理检测与分类问题；其次设计融合注意力机制的Concat_att模块并引入更具边界框定位敏感性的网络损失函数EIoU Loss，充分提取特征图中小目标细节信息，加速网络收敛，提升网络精度；最后通过Slim剪枝进一步压缩模型存储空间和计算量。实验结果表明，当模型大小缩减至原始YOLOv5s网络的76.8%时，mAP@0.5与mAP@0.5:0.95较原始网络分别提升了2.7%和2.8%，适用于小目标检测，并能同时满足目标识别精度与实时性要求，适合部署至车载嵌入式系统中。

关键词：雷达图像,YOLOv5s,轻量化,注意力机制,模型剪枝,

基金资助：国家自然科学基金（No.62071238）