报告题目：基于轻量级深度学习网络的交通车辆检测方法

报告人：赵环宇淮阴工学院教授、自动化学院院长

报告时间：2025年11月25日周二19:30

报告地点：艺设楼414

报告对象：感兴趣的教师、研究生等

主办单位：电力电子与运动控制安徽省高等学校省级重点实验室、安徽省工业企业智能化产业共性技术研究中心、电气与信息工程学院

报告人简介：

赵环宇，博士，教授，硕士生导师，淮阴工学院自动化学院院长。中国人工智能学会智能空天系统专业委员会委员、江苏省系统工程学会理事。主要从事多智能体系统协同控制方面研究工作。近年来主持并完成国家自然科学基金、江苏省自然科学基金等省部级及以上项目6项，参与完成各类项目10余项。发表学术论文60余篇，授权发明专利28件。2010年5月至11月美国犹他州立大学电子与计算机工程学院访问学者；2013年1月至2014年1月韩国岭南大学电气工程学院博士后；2016年7月至9月新加坡国立大学电子与计算机工程学院访问学者；2015年6月至2019年10月东南大学博士后。入选江苏省“青蓝工程”优秀青年骨干教师、淮安市“533英才工程”拔尖人才、江苏省“六大人才高峰”高层次人才、江苏省“333高层次人才培养工程”学术技术带头人。获中国自动化学会自然科学二等奖1项、中国自动化学会教学成果评价二等奖1项、江苏省自动化学会科学技术奖三等奖1项。受邀担任Atuomatica, IEEE SMC，Systems & Control Letters等多家国际期刊和会议审稿人。

摘要：

报告内容旨在解决复杂交通场景下城市车辆检测效率低、参数量过大的问题，基于YOLOv8网络模型进行改进。首先，重构YOLOv8的主干网络，通过重新设计的PPLCNetPlus作为起始块，并串联9个DepthSepConv模块，在提取特征的同时实现主干网络的轻量化。其次，在DepthSepConv模块之后引入MSCA（多尺度卷积注意力）机制，以提高特征的关注度，优化效率并减少资源消耗。接着，引入DualConv 替代传统卷积并重构 C2f 模块，从而在降低参数量的同时提升了检测性能。最后，采用轻量级非对称预测头LADH Head，在多个尺度上执行目标检测，以更全面地捕捉不同尺寸的目标，同时Inner-IoU通过辅助边框而不是两框的交并比来计算损失值，解决了IoU计算本身的限制问题。通过在两个车辆数据集上训练改进后的YOLOv8模型，实验结果表明，在保持平均精度稳定的情况下，模型的轻量化效果显著，相较于YOLOv8s，改进的YOLOv8网络模型大小减少了50.4%，参数量下降了50.8%，计算量降低了52.1%。因此，YOLOv8在轻量化的同时能够保持准确的检测精度，满足车辆目标检测的需求。

欢迎全校师生踊跃参加！