摘要： 针对目标检测模型参数量大，难以部署在移动端设备的问题，提出了一种轻量化车辆行人检测模型ＹＯＬＯｖ８ＴＩ（ｔｒａｆｆｉｃｉｎｆｏｒｍａｔｉｏｎ）。设计全新的轻量级参数共享 ＳＰＧＤｅｔｅｃｔ检测头以降低模型的参数量和计算量；提出全局平衡通道路径聚合网络（ＧＢＣＰＡＮ）结构，平衡网络通道数量，通过跨尺度的加权链接，实现了自顶向下和自底向上的双向特征融合；此外，引入动态非单调聚焦机制的损失函数（ＷｉｓｅＬｏｓｓ）代替原损失函数以提升预测框精度。实验结果发现，提出的目标检测模型 ＹＯＬＯｖ８ＴＩ在保持较高精度的同时，参数量、计算量和模型体积分别为ＹＯＬＯｖ８ｎ的 ５２．１％、５８．０％和 ５４％。通过与其他轻量级目标检测模型对比，验证了该方法的有效性和卓越性。将ＹＯＬＯｖ８ＴＩ进行 Ａｎｄｒｏｉｄ移动端部署，在荣耀 ２０和荣耀 ８０ＧＴ上进行了测试，ＦＰＳ可达 ２４帧和 ３１帧，满足实时性需求，有望进一步集成在自动驾驶汽车上完成交通信息检测功能。

关键词: 深度学习；车辆行人检测；参数共享；轻量化

中图分类号: 

• Ｕ４９１．１＋１３