轻量级车辆行人检测模型研究及Android部署

摘要

针对目标检测模型参数量大，难以部署在移动端设备的问题，提出了一种轻量化车辆行人检测模型YOLOv8-TI(traffic information)。设计全新的轻量级参数共享SPG Detect检测头以降低模型的参数量和计算量；提出全局平衡通道路径聚合网络(GBC-PAN)结构，平衡网络通道数量，通过跨尺度的加权链接，实现了自顶向下和自底向上的双向特征融合；此外，引入动态非单调聚焦机制的损失函数(Wise Loss)代替原损失函数以提升预测框精度。实验结果发现，提出的目标检测模型YOLOv8-TI在保持较高精度的同时，参数量、计算量和模型体积分别为YOLOv8n的52.1%、58.0%和54%。通过与其他轻量级目标检测模型对比，验证了该方法的有效性和卓越性。将YOLOv8-TI进行Android移动端部署，在荣耀20和荣耀80 GT上进行了测试，FPS可达24帧和31帧，满足实时性需求，有望进一步集成在自动驾驶汽车上完成交通信息检测功能。

关键词

深度学习 / 车辆行人检测 / 参数共享 / 轻量化