面向驾驶员面部目标的FD-YOLOv8轻量化检测算法

摘要

针对车载设备算力有限，而YOLOv8n目标检测算法模型较大的问题，提出一种轻量化驾驶员面部目标检测算法FD-YOLOv8.首先，提出一种双通道轻量级卷积DLConv(Dual-channel Lightweight Convolution),通过一系列简单的线性变换，使用计算成本更低的方式生成冗余特征图，同时采用多尺度特征融合的方式，在提高检测精度的情况下，降低了算法的计算量及参数量；其次，引入轻量级主干网络ShuffleNetV2,通过组卷积的方式，减少了模型内存访问量；最后，引入轻量级模块StarBlock与C2f模块融合，通过元素乘法融合不同子空间特征的方式，降低了网络结构的复杂程度.通过实验结果分析，FD-YOLOv8算法在自建数据集和YawDD数据集的平均精确率(mAP@0.5)分别达到了99.1%、99.0%,相较YOLOv8n检测算法参数量(Parameters)下降了50.0%,计算量(FLOPs)下降了44.4%,FPS达到了237帧/秒，改进算法在驾驶员面部目标检测任务中具有一定参考价值.

关键词

驾驶员面部检测 / 轻量级卷积 / 多尺度特征融合 / 实时性 / 目标检测