基于轻量级神经网络的车辆识别算法研究

作     者：邓超 马俊杰 严毅 王有福 李艳淇 DENG Chao;MA Junjie;YAN Yi;WANG Youfu;LI Yanqi

作者机构：武汉科技大学汽车与交通工程学院湖北武汉430065 武汉科技大学智能汽车工程研究院湖北武汉430065 四川省无人系统智能感知控制技术工程试验室四川成都610225 云基物联网高速公路建养设备智能化试验室山东济南250357 

出 版 物：《重庆交通大学学报（自然科学版）》 (Journal of Chongqing Jiaotong University(Natural Science))

年 卷 期：2024年第43卷第4期

页      面：80-87页

学科分类：08[工学] 0838[工学-公安技术] 

基　　金：国家自然科学基金青年科学基金项目(52002298) 教育部产学合作协同育人项目(202102580026) 四川省无人系统智能感知控制技术工程实验室开放课题(WRXT2022-001) 云基物联网高速公路建养设备智能化实验室开放课题(KF_2022_301002) 武昌工学院科学研究项目(2022KY24) 

主　　题：车辆工程 车辆识别 注意力机制 SPPF MobileNetV3 YOLOv5s 

摘      要：针对目前车辆识别神经网络算法网络结构复杂、参数量大、对硬件要求高的问题,提出一种基于混合注意机制的轻量级神经网络算法MobileNetV3-YOLOv5s。首先,采用MobileNetV3的bneck模块替换YOLOv5s的主干网络;其次,将其中的大卷积核替换为小卷积核,同时用计算量更小的特征融合方法改进SPPF算法;最后,在主干网络中融合了SENet和空间注意力机制,组成混合注意力模块,提高网络对重要区域的权重。试验结果表明:在UA-DETRAC数据集上,所提出算法的参数量相比于YOLOv5s减小了82.6%,仅为2.34 MB,平均识别率为98.2%,在Nvidia jetson AGX NX上检测速度达到31帧/s,速度提高10.7%,可以更好地部署在边缘设备上,满足自动驾驶的要求。