控制与决策

作者：卢迪,赵庆

单位：哈尔滨理工大学 测控技术与通信工程学院，哈尔滨 150080;哈尔滨理工大学 模式识别与信息感知黑龙江省重点实验室，哈尔滨 150080,,哈尔滨理工大学 测控技术与通信工程学院，哈尔滨 150080;哈尔滨理工大学 模式识别与信息感知黑龙江省重点实验室，哈尔滨 150080,

关键词：空间分组内卷积;双向路径聚合网络;分步训练;YOLOv8n;轻量化;目标检测

针对现有轻量级目标检测算法存在检测精度不足、特征融合能力较弱及检测速度较慢等问题, 在YOLOv8n基础上提出基于空间分组内卷积的轻量级目标检测算法. 首先, 在内卷积基础上提出一种新型空间分组内卷积(SGWInvo), 克服内卷积空间信息建模方面的不足, 并基于SGWInvo进一步设计一种轻量化主干网络SCNet替换YOLOv8n主干网络; 其次, 提出一种双向路径聚合网络, 以提高多尺度目标的特征融合能力; 最后, 采用深度可分离卷积对检测头进行轻量化, 结合YOLO2YOLO分步训练策略, 消除NMS带来的推理时延. 研究包括两种检测方法: 一对多匹配的SGWInvo-YOLO和一对一匹配的SGWInvo-YOYO. 在COCO数据集上的实验表明, 与YOLOv8n相比, 两种算法参数量均降低23.3%, SGWInvo-YOLO与之推理速度相当, mAP0.5精度提升3.0%; SGWInvo-YOYO推理时延减少10.5%, mAP0.5精度提升2.3%.

来源：2025年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第10期