基于改进YOLOX的轻量化交通监控目标检测算法

doi:10.3778/j.issn.1002-8331.2308-0081

摘要/摘要

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公司使用基于PP-LC网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约洛克斯中的普通卷积，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公司注意力机制模块，聚焦于更有意义的特征图像。实验结果表明，相对于YOLOX-s公司模型，改进后的PL-YOLO尺寸1.89个百分点，模型大小降低了54%，FPS 20.88？帧/26点68分？帧/第条

关键词: 目标检测, 交通监控场景检测, 约洛克斯，轻量化, PP-LC网

摘要：交通目标检测技术是交通管理部门在交通监控、安全监控等关键任务中的重要工具。面对大量的交通监控场景数据，需要采用检测速度快、精度高、计算资源利用率低的交通目标检测技术。为了满足这一需求，本文基于YOLOX算法和PP-LCNet网络，提出了一种适用于交通监控场景的轻量级交通目标检测算法PL-YOLO，添加了SimAM注意力机制模块以关注更有意义的特征。实验结果表明，与YOLOX-s模型相比，PL-YOLO的检测精度提高了1.89个百分点，模型尺寸减小了54%，FPS从20.88帧/秒增加到26.68帧/秒。

关键词： 目标检测，交通监控场景检测，约洛克斯，重量轻， PP-LC网

胡伟超, 郭宇阳, 张奇, 陈艳艳. 基于改进约洛克斯的轻量化交通监控目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(7): 167-174.

胡伟超、郭玉阳、张琪、陈燕燕。基于改进YOLOX的轻型交通监控对象检测算法[J]。计算机工程与应用，2024，60（7）：167-174。

参考文献

[1] 刘伟，安圭洛夫D，埃尔罕D，等.SSD:单次多盒探测器[C]//欧洲计算机视觉会议论文集，荷兰阿姆斯特丹，2016:21-37。
[2] LIN T Y，GOYAL P，GIRSHICK R，et al.稠密目标检测的焦距损失[C]//IEEE国际计算机视觉会议论文集，意大利威尼斯，2017:2980-2988。
[3] REDMON J，DIVVALA S，GIRSHICK R，et al.你只看一次：统一的实时对象检测[C]//IEEE计算机视觉和模式识别会议论文集，美国拉斯维加斯，2016:779-788。
[4] REDMON J，FARHADI A.YOLO9000:更好、更快、更强[C]//IEEE计算机视觉和模式识别会议论文集，2017:7263-7271。
[5] FARHADI A，REDMON J.YOLOv3：增量改进[J]。arXiv:1804.027672018年。
[6] REN S，HE K，GIRSHICK R，等.快速R-CNN：面向区域提议网络的实时目标检测[J]。IEEE模式分析与机器智能汇刊，2017，39（6）：1137-1149。
[7] CAI Z，VASCONCLOS N.Cascade R-CNN：深入研究高质量物体检测[C]//美国盐湖城IEEE计算机视觉和模式识别会议论文集，2018：6154-6162。
[8] 罗奇，王杰，高敏，等.G-YOLOX：一种用于检测车辆类型的轻量级网络[J]。传感器杂志，20222022（3）：1-10。
[9] 李毅，王杰，黄杰，等.基于RES-YOLO模型的深度学习自动车辆识别算法研究[J]。传感器，2022，22（10）：3783。
[10] 何凯，张旭，REN S，等.基于深度剩余学习的图像识别[C]//IEEE计算机视觉与模式识别会议论文集，美国拉斯维加斯，2016:770-778。
[11] 董旭，闫S，段C.基于YOLOv5的轻型车辆检测网络模型[J]。人工智能的工程应用，2022，113:104914。
[12] GOMAA A，MINEMATSU T，ABDELWAHAB M M，等.基于CNN的固定场景车辆快速检测与计数策略[J]。多媒体工具和应用，2022，81（18）：25443-25471。
[13] GEIGER A，LENZ P，STILLER C，等.视觉与机器人：KITTI数据集[J]。《国际机器人研究杂志》，2013，32（11）：1231-1237。
[14] YU H，LUO Y，SHU M，et al.DAIR-V2X:一种用于车-红外结构协同三维目标检测的大规模数据集[C]//美国新奥尔良IEEE/CVF计算机视觉与模式识别会议论文集，2022:21361-21370。
[15] GE Z，LIU S，WANG F，等。YOLOX：2021年超越YOLO系列[J]。arXiv:2107.084302021。
[16] CUI C，GAO T，WEI S，et al.PP LCNet：一种轻量级CPU卷积神经网络[J]。arXiv:2109.150992021年。
[17] YANG L，ZHANG R Y，LI L，et al.SimAM:一种简单、无参数的卷积神经网络注意模块[C]//机器学习研究国际会议论文集，2021:11863-11874。
[18] WANG C Y，BOCHKOVSKIY A，LIAO H Y M.YOLOv7:可培训的免费行李为实时目标探测器创造了新的技术水平[C]//《IEEE计算机视觉和模式识别会议论文集》，加拿大温哥华，2023:7464-7475。

基于改进约洛克斯的轻量化交通监控目标检测算法

基于改进YOLOX的轻型交通监控对象检测算法

PDF格式

可视化

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

编辑推荐

韵律学

[1]	周定威, 扈静, 张良锐, 段飞亚.面向目标检测的数据集标签遗漏的协同修正技术[J] ●●●●。计算机工程与应用, 2024, 60(8): 267-273.
[2]	许逵, 李鑫卓, 张历, 张俊杰, 杨宁.自然场景下配电线网施工安全帽佩戴检测算法[J] ●●●●。计算机工程与应用, 2024, 60(8): 320-328.
[3]	谢威宇, 张强.基于深度学习的图像中无人机与飞鸟检测研究综述[J] ●●●●。计算机工程与应用, 2024, 60(8): 46-55.
[4]	曹钢钢, 王帮海, 宋雨.结合数据增强的跨模态行人重识别轻量网络[J] ●●●●。计算机工程与应用, 2024, 60(8): 131-139.
[5]	邹振涛, 李泽平.改进YOLOv7公司的航拍图像目标检测[J] ●●●●。计算机工程与应用, 2024, 60(8): 173-181.
[6]	胡峻峰, 李柏聪, 朱昊, 黄晓文.改进YOLOv8公司的轻量化无人机目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(8): 182-191.
[7]	田鹏, 毛力.改进YOLOv8公司的道路交通标志目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(8): 202-212.
[8]	殷民, 贾新春, 张学立, 冯江涛, 范晓宇.改进YOLOv4-微型的面向售货柜损害行为人体检测[J] ●●●●。计算机工程与应用, 2024, 60(8): 234-241.
[9]	赵鑫, 陈里里, 杨维川, 张程旺.DY-YOLOv5：基于多重注意力机制的航拍图像目标检测[J] ●●●●。计算机工程与应用, 2024, 60(7): 183-191.
[10]	何文昊, 葛海波, 程梦洋, 安玉, 马赛.边缘注意力及反向定位的伪装目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(7): 229-237.
[11]	苏佳, 秦一畅, 贾泽, 王静.基于ATO-YOLO公司的小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 68-77.
[12]	赖镜安, 陈紫强, 孙宗威, 裴庆祺.基于YOLOv5公司的轻量级雾天目标检测方法[J] ●●●●。计算机工程与应用, 2024, 60(6): 78-88.
[13]	付锦燚, 张自嘉, 孙伟, 邹凯鑫.改进YOLOv8公司的航拍图像小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 100-109.
[14]	周飞, 郭杜杜, 王洋, 王庆庆, 秦音, 杨卓敏, 贺海军.基于改进YOLOv8公司的交通监控车辆检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 110-120.
[15]	杨永刚, 谢睿夫, 龚泽川.改进YOLOv7-微型的无人机目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 121-129.