Abstract：
针对路侧交通监控场景和智能交通管控需要，提出轻量型的车辆检测算法GS-YOLO，解决现有模型检测速度慢、占用内存多的问题。GS-YOLO借鉴GhostNet思想将传统卷积分为两步，利用轻量操作增强特征，降低模型的计算量。在主干特征提取网络中引入注意力机制，对重要信息进行选择，提高模块的检测能力。另外参考SqueezeNet结构，使用Fire Module和深度可分离卷积减少模型参数，模型大小从244 MB降低到34 MB，内存占用降低了86%。使用Roofline模型对实验数据和模型实际性能进行分析，结果表明GS-YOLO的精确度（AP）达到85.55%，相比YOLOv4提升了约0.45%。由...
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机工程与应用
Year： 2022
Issue： 06
Volume： 58
Page： 192-199
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 17
Affiliated Colleges：
