融合注意力机制的轻量化交通目标检测算法

陈鑫影; 刘莹

doi:10.13291/j.cnki.djdxac.2026.02.016

大连交通大学学报 ›› 2026, Vol. 47 ›› Issue (2) : 135 -143. DOI: 10.13291/j.cnki.djdxac.2026.02.016

融合注意力机制的轻量化交通目标检测算法

陈鑫影, 刘莹

作者信息 +

Author information +

文章历史 +

PDF

摘要

交通目标检测技术在智慧交通领域具有重要作用。针对传统车辆目标检测模型存在目标特征提取困难、设备需求高、检测精度低、计算速度慢等问题，提出一种轻量化的检测网络架构。采用改进后的PP-LCNet轻量化网络重构主干网络，以降低模型参数量；在改进的主干网络中引入多尺度注意力(EMA)机制，提高模型的特征提取能力。为实现多尺度目标检测并提高检测精度，改进了PANet网络拓扑结构；同时，引入MPDIoU损失函数替换CIoU,提高预测框的回归效果并加快模型收敛速度。试验结果表明，所提模型参数量减少71.8%,模型大小为1.8 MB,平均检测精度达到0.873,与其他常规对比算法相比综合性能最优。