计算机工程

作者：梅华威, 王泽洋, 苏攀, 尚虹霖, 方毅

单位：1. 华北电力大学控制与计算机工程学院, 河北 保定 0710032. 复杂能源系统智能计算教育部工程研究中心, 河北 保定 0710033. 河北省能源电力知识计算重点实验室, 河北 保定 071003

关键词：FasterNet,GSConv,双向特征金字塔网络,轻量化,车窗状态检测

基金：河北省高等学校科学研究项目青年基金项目(QN202318)

针对当前智慧化城市建设中安防检测技术对检测精度和检测速度的要求, 提出了一种基于改进YOLOv5s的轻量化车窗目标检测模型。该模型在保证精度的同时降低了计算复杂度, 能够部署在边缘计算平台中, 实现对车窗开闭状态的检测。首先, 在主干网络中引入FasterNet, 以减少模型的计算量和模型参数; 其次, 在特征融合阶段, 使用GSConv降低模型的复杂度, 并使用双向特征金字塔网络(BiFPN)连接特征融合网络, 以融合更多的特征信息; 最后, 使用结构化交并比(SIoU)损失函数加快收敛。实验结果表明, 改进后的算法性能在车窗数据集上相较于原算法明显得到提升, 交并比(IoU)阈值在0.5以及0.5~0.95范围内时模型的平均精度mAP@0.5和mAP@0.5:0.95分别提高了0.001和0.005, 模型的参数量大幅减少且浮点运算数(FLOPs)大幅降低, 仅为原模型的18.74%和17.09%, 推理速度提升了260%。改进后的模型部署在NVIDIA Jetson Nano平台上时有着良好的表现。

来源：2025年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第12期