面向智能监控的轻量YOLOv10目标检测算法

摘要

为解决传统人工视频监控实时性不足，无法高效检测场景中短暂出现目标的问题，提出一种基于轻量化YOLOv10的智能监控检测算法。首先，利用深度可分离卷积替换标准卷积，减少网络参数，提高检测速度。其次，将主干网络中跨阶段部分双卷积融合瓶颈结构替换为高效多尺度注意力模块，提高网络对目标成像尺寸变化的感知能力。最后，使用辅助边界框优化损失，丰富监督信息，增强网络对小目标的检测性能。在交通监控数据集UA-DETRAC中的实验结果表明：该算法平均精度均值较Faster R-CNN、EfficientDet-D5、YOLOv8及YOLOv11分别高出13.5、10.9、1.7、0.4个百分点；检测速度达112 FPS，参数量仅2.2×10～6，为智能监控下目标检测任务提供技术支持。

关键词

智能监控 / 目标检测 / 深度学习 / YOLOv10模型 / 轻量化