基于改进YOLOX-s的车辆检测方法研究.pdfVIP

第36卷第2期系统仿真学报系统仿真学报©Vol.36No.2

2024年2月JournalofSystemSimulationFeb.2024

基于改进基于改进YOLOX-s的车辆检测方法研究的车辆检测方法研究

*

张稀柳，张晓玲，何敏军

(江苏理工学院电气信息工程学院，常州213001)

摘要摘要：：为缓解车辆小目标漏检及误检问题，提出一种基于YOLOX网络的多尺度特征融合的改进

车辆检测模型。设计基于深度可分离卷积的Ghost-CSP（crossstagepartial），替换网络的部分跨

阶段局部结构，加快检测速度；将模型的最大池化方式改进为Softpool方式，并引入坐标注意力

机制，增强待检测目标的特征表达，优化目标漏检问题；选用FocalLoss作为模型置信度损失函

数以增加分类不准确样本的权重，提高模型对小目标的预测能力。实验结果表明：改进算法平

均准确率提高到74.96%，速度达到73帧/s，在满足实时性要求下可以更好地完成车辆目标检测

要求。

关键词关键词：：YOLOX；多尺度特征融合；车辆检测模型；Softpool；坐标注意力；FocalLoss

中图分类号：TP391文献标志码：A文章编号：1004-731X(2024)02-0487-10

DOI:10.16182/j.issn1004731x.joss.22-1106

引用格式引用格式:张稀柳,张晓玲,何敏军.基于改进YOLOX-s的车辆检测方法研究[J].系统仿真学报,2024,36(2):487-496.

Referenceformat:ZhangXiliu,ZhangXiaoling,HeMinjun.ResearchonVehicleDetectionMethodBasedonImproved

YOLOX-s[J].JournalofSystemSimulation,2024,36(2):487-496.

ResearchonVehicleDetectionMethodBasedonImprovedYOLOX-s

*

ZhangXiliu,ZhangXiaoling,HeMinjun

(CollegeofElectricalandInformationEngineering,JiangsuUniversityofTechnology,Changzhou213001,China)

Abstract:Aimprovedvehicledetectionmodelbasedonmulti-scalefeaturefusionofYOLOXnetworkis

proposedtosolvetheproblemofmissingandfalsedetectionofsmallvehicletargets.Ghost-crossstage

partial(CSP)basedonthedepthseparableconvolutionisdesignedtoreplacepartofcrossstagepartial

innetworktospeedupthespeedofdetection.Themaxpoolingmode