标题：基于YOLOv5s的轻量化车辆目标检测算法
作者：于涵 刘砚菊 冯迎宾
作者单位：沈阳理工大学自动化与电气工程学院，辽宁 沈阳110159
关键字：目标检测；深度学习；YOLO；轻量化
摘要：针对移动端对复杂交通场景的车辆监测需求，提出一种既能保证车辆检测准确度，又对移动端的性能要求较低的目标检测模型。首先将YOLOv5s的主干网络替换成改进的MobileNetV3s，大幅度缩减模型体积，针对检测精度降低的问题，提出了将RepVGG模块改进为QARepVGG模块；然后采用基于QARepVGG与PConv和PWConv改进的网络模型提高检测精度；最后定义新的损失函数XIOU加速模型收敛，提高检测准确性。提出的YOLOv5s-MNV3s-fastEffQAR模型在UA-DETRAC-YOLO数据集中的表现与YOLOv5s模型相比，参数量和计算量分别减小了68.46%和57.67%，训练后的模型大小为原始模型的33.4%，精度仅下降0.3%。实验表明，提出的目标检测改进方法，实现了在压缩模型大小、降低参数量的同时，几乎不损失检测精度，非常适用于移动端。