科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对路侧交通监控场景和智能交通管控需要，提出轻量型的车辆检测算法GS-YOLO，解决现有模型检测速度慢、占用内存多的问题。GS-YOLO借鉴GhostNet思想将传统卷积分为两步，利用轻量操作增强特征，降低模型的计算量。在主干特征提取网络中引入注意力机制，对重要信息进行选择，提高模块的检测能力。另外参考SqueezeNet结构，使用Fire Module和深度可分离卷积减少模型参数，模型大小从244 MB降低到34 MB，内存占用降低了86%。使用Roofline模型对实验数据和模型实际性能进行分析，结果表明GS-YOLO的精确度（AP）达到85.55%，相比YOLOv4提升了约0.45%。由于受计算平台带宽影响，GS-YOLO在GPU上检测速度提升7.3%，但在CPU上检测速度提高了83%，更适用于算力资源不足的小型设备。
- 单位
