YOLOLW:一个新的轻量级目标检测模型

doi:10.3969/j.issn.1006-2475.2024.11.014

摘要/Abstract

摘要： 要满足日益增长的实时移动目标检测部署需求，目前的YOLO骨干网络仍存在许多不足。为此，本文提出基于锚框的轻量级目标检测模型YOLOLW。首先，它包含一个新颖的轻量级解耦头，以增强对分类和回归任务的关注，提高模型的准确性；其次，它设计一个轻量化和重参数化的网络结构，在保持其轻量化特性的同时，实现优异的检测精度；再次，通过动态卷积和跨层次关联有效整合浅层特征，增强特征金字塔结构（FPN）；最后，引入空间注意机制和通道注意机制，显著提高了模型的准确性。实验结果验证了该模型的有效性。

关键词: 目标检测, YOLOLW, 轻量化模型, 注意力机制, FPN

Abstract: In response to the growing demand for real-time mobile object detection deployment， the current YOLO backbone network falls short. Hence， this paper proposes YOLOLW， a lightweight object detection model based on the anchor frame. Firstly， it incorporates a novel lightweight decoupling header to enhance focus on classification and regression tasks and improve model accuracy. Secondly， it designs a lightweight and reparameterized network structure that achieves superior detection accuracy while maintaining its lightweight nature. Thirdly， it enhances the feature pyramid structure （FPN） by effectively integrating shallow features through dynamic convolution and cross-hierarchy association. Lastly， spatial and channel attention mechanisms are introduced to significantly boost the model’s accuracy. Experimental results validate the effectiveness of the YOLOLW model.

Key words: target detection, YOLOLW, lightweight model, attention mechanism, FPN

中图分类号:

TP391

张宇1, 2, 黎靖1, 2, 马铭1, 2, 王众祥1, 2, 孙妍1, 2. YOLOLW:一个新的轻量级目标检测模型[J]. 计算机与现代化, 2024, 0(11): 91-98.

ZHANG Yu1, 2, LI Jing1, 2, MA Ming1, 2, WANG Zhongxiang1, 2, SUN Yan1, 2. YOLOLW: A Novel Lightweight Object Detection Model[J]. Computer and Modernization, 2024, 0(11): 91-98.

参考文献

［1］ KRIZHEVSKY A， SUTSKEVER I， HINTON G. ImageNet classification with deep convolutional neural networks［C］// 2012 International Conference on Neural Information Processing Systems. ACM， 2012:1097-1105.
［2］ HE K M， ZHANG X Y， REN S Q， et al. Deep residual learning for image recognition［C］// Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2016:770-778.
［3］ HUANG G， LIU Z， VAN DER MAATEN L， et al. Densely connected convolutional networks［C］// Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2017:2261-2269.
［4］ LIU Z， LIN Y T， CAO Y， et al. Swin transformer: Hierarchical vision transformer using shifted windows［C］// Proceedings of the 2021 IEEE/CVF International Conference on Computer Vision. IEEE， 2021:9992-10002.
［5］ REDMON J， DIVVALA S， GIRSHICK R， et al. You only look once: Unified， real-time object detection［C］// Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2016:779-788.
［6］ REDMON J， FARHADI A. YOLO9000: Better， faster， stronger［C］// Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2017:6517-6525.
［7］ REDMON J， FARHADI A. YOLOv3: An incremental improvement［J］. arXiv preprint arXiv:1804.02767， 2018.
［8］ BOCHKOVSKIY A， WANG C Y， LIAO H Y M. YOLOv4: Optimal speed and accuracy of object detection［J］. arXiv preprint arXiv:2004.10934， 2020.
［9］ LI C Y， LI L L， JIANG H L， et al. YOLOv6: A single-stage object detection framework for industrial applications［J］. arXiv preprint arXiv:2209.02976， 2022.
［10］ WANG C Y， BOCHKOVSKIY A， LIAO H Y M. YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors［C］// Proceedings of the 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2023:7464-7475.
［11］ GE Z， LIU S T， WANG F， et al. YOLOX: Exceeding YOLO series in 2021［J］. arXiv preprint arXiv:2107.08430，
2021.
［12］张上，王恒涛，冉秀康. 基于YOLOv5的轻量化交通标志检测方法［J］. 电子测量技术， 2022，45（8）:129-135.
［13］杨小冈，高凡，卢瑞涛，等. 基于改进YOLOv5的轻量化航空目标检测方法［J］. 信息与控制， 2022，51（3）:361-368.
［14］李志军，杨圣慧，史德帅，等. 基于轻量化改进YOLOv5的苹果树产量测定方法［J］. 智慧农业（中英文）， 2021，3（2）:100-114.
［15］韩晶晶，刘江越，公维军，等. 面向移动端的目标检测优化研究［J］. 计算机工程与应用， 2022，58（24）:12-28.
［16］刘浩翰，樊一鸣，贺怀清，等. 改进YOLOv7-tiny的目标检测轻量化模型［J］.计算机工程与应用，2023，59（14）:166-175.
［17］ HOWARD A G， ZHU M L， CHEN B， et al. MobileNets: Efficient convolutional neural networks for mobile vision applications［J］. arXiv preprint arXiv:1704.04861， 2017.
［18］ SANDLER M， HOWARD A， ZHU M L， et al. MobileNetV2: Inverted residuals and linear bottlenecks［C］// Proceedings of the 2018 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2018:4510-4520.
［19］ HOWARD A， SANDLER M， CHEN B， et al. Searching for MobileNetV3［C］// Proceedings of the 2019 IEEE/CVF International Conference on Computer Vision. IEEE， 2019:1314-1324.
［20］ ZHANG X Y， ZHOU X Y， LIN M X， et al. ShuffleNet: An extremely efficient convolutional neural network for mobile devices［C］// Proceedings of the 2018 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2018:6848-6856.
［21］ HAN K， WANG Y H， TIAN Q， et al. GhostNet: More features from cheap operations［C］// Proceedings of the 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2020:1577-1586.
［22］ TANG Y H， HAN K， GUO J Y， et al. GhostNetv2: Enhance cheap operation with long-range attention［C］// 2022 International Conference on Neural Information Processing Systems. ACM， 2022:9969-9982.
［23］ WANG Q L， WU B G， ZHU P F， et al. ECA-Net: Efficient channel attention for deep convolutional neural networks［C］// Proceedings of the 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2020:11531-11539.
［24］ DING X H， ZHANG X Y， MA N N， et al. RepVGG: Making VGG-style ConvNets great again［C］// Proceedings of the 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2021:13728-13737.
［25］ DING X H， ZHANG X Y， ZHOU Y Z， et al. Scaling up your kernels to 31x31: Revisiting large kernel design in CNNs［C］// Proceedings of the 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2022:11953-11965.
［26］ CHEN C P， GUO Z C， ZENG H E， et al. RepGhost: A hardware-efficient ghost module via re-parameterization［J］. arXiv preprint arXiv:2211.06088， 2022.
［27］ LI C， ZHOU A J， YAO A B. Omni-dimensional dynamic convolution［J］. arXiv preprint arXiv:2209.07947， 2022.

[1]	何思达, 陈平华. 基于意图的轻量级自注意力序列推荐模型[J]. 计算机与现代化, 2024, 0(12): 1-9.
[2]	赵晨阳, 薛涛, 刘俊华. 基于改进Stable Diffusion的时尚服饰图案生成[J]. 计算机与现代化, 2024, 0(12): 15-23.
[3]	黄庭培1, 马禄彪1, 李世宝2, 刘建航1. 基于WiFi和原型网络的手势识别方法[J]. 计算机与现代化, 2024, 0(12): 34-39.
[4]	张晓东1, 白广芝1, 李敏1, 李昊洋2. 基于经验小波变换的油气井产量预测模型 [J]. 计算机与现代化, 2024, 0(12): 53-58.
[5]	刘云海1, 冯广1, 吴晓婷2, 杨群2. 复杂施工场景下的安全帽佩戴检测算法[J]. 计算机与现代化, 2024, 0(12): 66-71.
[6]	谷岳, 邓松峰, 沈霁, 穆文涛, 赵恩棋. 基于改进YOLOv8的SAR舰船目标检测算法[J]. 计算机与现代化, 2024, 0(12): 78-83.
[7]	王艳媛, 茅正冲. 中英文场景文本图像的检测和识别算法[J]. 计算机与现代化, 2024, 0(12): 84-90.
[8]	陈亮, 李诚, 易伟, 熊伟, 汪晓帆, 唐海东. 基于毫米波雷达与视觉融合的电力现场安全帽佩戴检测[J]. 计算机与现代化, 2024, 0(12): 100-107.
[9]	李钧超1, 尤菲1, 张超2, 苏乐乐2, 龚龑2. 基于新型多目标浣熊优化算法的BiLSTM-Attention#br# 预测模型及误差分析[J]. 计算机与现代化, 2024, 0(11): 70-76.
[10]	董玉玟. 基于改进YOLOv7-tiny的多尺度运动目标检测算法[J]. 计算机与现代化, 2024, 0(11): 99-105.
[11]	祁贤, 刘大铭, 常佳鑫. 基于改进自注意力机制的多视图三维重建[J]. 计算机与现代化, 2024, 0(11): 106-112.
[12]	杨骏1, 胡为1, 朱文福2. 基于改进MobileNetV3的视觉SLAM回环检测算法[J]. 计算机与现代化, 2024, 0(10): 21-26.
[13]	魏学诚1, 江凌云1, 李研2, 何非2. 改进YOLOv5的路侧单目视角小目标检测算法[J]. 计算机与现代化, 2024, 0(10): 27-34.
[14]	杜猛俊1, 李昂1, 童俊1, 钱锦1, 康恺1, 王若丁1, 靳文星2. 基于改进极限学习算法的电力信息数据融合模型[J]. 计算机与现代化, 2024, 0(10): 61-64.
[15]	杨世军1, 狄广义1, 高军1, 陈见飞1, 王耀坤1, 季晓晗2. 跨模态注意力融合和信息感知的情感一致检测[J]. 计算机与现代化, 2024, 0(10): 113-119.