摘要

在现有的基于视觉的智能雨刮系统中,雨滴目标检测模型的参数量多,计算规模大,不利于部署到车载嵌入式设备中。针对上述问题,提出一种改进的轻量级雨滴目标检测模型YOLOv5-RGA。使用轻量化网络RepVGG模块和GhostBottleneck模块替代主干网络的卷积模块和C3模块,改善网络的特征提取能力,降低网络的参数量和计算量。使用Adam优化器代替SGD优化器,加快收敛速度,提高网络模型的平均精度。通过试验验证,与YOLOv5s模型相比,基于YOLOv5-RGA的雨滴目标检测模型的平均精度提高了0.8%,同时模型参数量降低了48.5%,计算量降低了35.2%,模型大小降低了44.4%。轻量级雨滴目标检测模型的应用能大大降低硬件开销,同时也有利于模型的部署。