基于直方图特征蒸馏的密集交通目标检测.pdfVIP

汽车工程

2025年（第47卷）第4期AutomotiveEngineering2025（Vol.47）No.4

doi：10.19562/j.chinasae.qcgc.2025.04.005

基于直方图特征蒸馏的密集交通目标检测*

11221

张亿鸿，钟铭恩，谭佳威，范康，李正峰

（1.厦门理工学院机械与汽车工程学院，厦门361024；2.厦门大学航空航天学院，厦门361005）

［摘要］密集交通场景下的多类交通参与者目标检测仍是一项颇具挑战的视觉任务，对于交通管理和安全至

关重要。为此，针对密集交通参与者的局部遮挡和小尺度特点，提出一种深度神经网络检测算法DSODet。首先采

用轻量化的CSPDarkNet网络提取交通图像特征；然后设计了多尺度特征融合上采样模块以增强对难检测目标的表

达能力；随后增加高分辨率检测分支来提升对小尺度目标的检测能力；最后，提出直方图特征蒸馏训练方法，通过最

小化教师模型与学生模型相同层特征直方图的交集比，来有效引导学生模型训练，实现参数优化与轻量化。实验结

果表明，DSODet对交通参与者的平均检测精度为66.9%，对局部遮挡的小尺度目标为13.0%，均超越现有主流算

法，模型参数量仅为2.9M，体现了对边缘设备的友好性。相关代码将在https：//github.com/XMUT-Vsion-Lab分享。

关键词：目标检测；密集交通；小尺度目标；局部遮挡；直方图特征蒸馏

DenseTrafficObjectDetectionBasedonHistogramFeatureDistillation

11221

ZhangYihong，ZhongMingen，TanJiawei，FanKangLiZhengfeng

1.SchoolofMechanicalandAutomotiveEngineering，XiamenUniversityofTechnology，Xiamen361024；

2.SchoolofAerospaceEngineering，XiamenUniversity，Xiamen361005

［Abstract］Multi-classtrafficparticipantdetectionindensetrafficscenariosremainsachallengingvisual

task，whichiscrucialfortrafficmanagementandsafety.Toaddressthis，adeepneuralnetwork-baseddetectional‐

gorithm，DSODet，isproposedtohandlethechallengesofpartialocclusionandsmall-scaletargetsindensetraffic

environment.Firstly，alightweightCSPDarkNetnetwo