基于YOLOX的轻量化目标检测算法及其应用

来源：上海理工大学学报杂志2025年第3期北京时间：

作者：柴炜朕，王朝立，孙占全

单位：上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093

摘要：目标检测算法被广泛应用于生产安全领域。针对现有的目标检测算法检测速度慢、在复杂施工环境下检测精度低的问题，提出一种改进的YOLOX检测算法。首先，基于轻量化卷积模组Ghost moudle重构主干网络，压缩模型参数量和计算量，提高检测速度；其次，在主干网络输出端嵌入坐标注意力机制，增强模型对于关键位置信息的学习能力；最后，在颈部网络中引入递归门控卷积，增强模型的空间位置感知能力，捕获图像中的长距离依赖关系。改进后的模型在数据集Pascal VOC和SHWD上进行实验验证，与基线模型相比，平均精度均值分别提升1.69%和1.1%，模型参数量降低18.8%，计算量降低23.3%，帧率提升7.6%。将本文模型部署在终端设备上，可应用于施工环境下的实时监控检测中。

关键词：目标检测;轻量化;坐标注意力;递归门控卷积

基金资助：国家自然科学基金资助项目 (62173232)；国防科工局基础研究项目 (JCKY2019413D001)