基于轻量级RT-DETR-tiny的车辆目标检测算法

doi:10.19562/j.chinasae.qcgc.2025.06.017

摘要/Abstract

摘要：

针对自动驾驶场景的硬件限制以及轻量级算法对小目标车辆检测困难的问题，提出了一种新的轻量级车辆目标检测算法RT-DETR-tiny。首先，提出了一种新的冗余图快速生成模块（ReduFast block），利用级联式特征提取结构，避免冗余信息导致的小目标特征信息丢失，并降低计算冗余。基于此模块设计的轻量级网络ReduFastNet作为特征提取网络，相比其他轻量级网络可实现更快的推理速度。其次，在特征融合阶段引入DGSTM模块，使得模型进一步轻量化；同时设计EAAIFI模块，保证了特征融合阶段的实时性。最后，针对小目标车辆检测中边界框易受噪声影响的问题，引入DIOU来优化原损失函数，提高目标中心位置准确性，减少预测框宽高比波动对模型的过度惩罚。实验结果表明，在BDD100K-Urban nighttime数据集上相较于基线算法，所提算法检测精度达到75.3%，仅损失0.1%，而参数量和计算量分别下降37.1%、33.5%，每秒检测帧数达到45.1，检测速度提升了5个百分点。在UA-DETRAC-Small Car数据集上与其他主流轻量级目标检测模型相比，RT-DETR-tiny兼顾了较高检测精度和较小参数量、计算量，优于同类目标检测算法，更有利于自动驾驶场景对车辆目标实时检测的准确率及边缘部署。

关键词: 自动驾驶, 轻量化, 车辆目标检测, RT-DETR算法

Abstract:

For the hardware limitation in autonomous driving scenarios and the challenges faced by lightweight algorithms in detecting small target vehicles， a novel lightweight vehicle detection algorithm， RT-DETR-tiny， is proposed. Firstly， a new Redundant Graph Rapid Generation Module （ReduFast block） is proposed， which uses a cascade feature extraction structure to avoid the loss of small target feature information caused by redundant information， and reduce the computational redundancy. The lightweight network ReduFastNet， designed based on this module， serves as the feature extraction network， achieving faster inference speed compared to other lightweight networks. Then， during the feature fusion stage the DGSTM module is incorporated to further streamline the model， while the EAAIFI module is designed to ensure real-time performance during feature fusion. Finally， for the problem of boundary boxes being susceptible to noise in small target vehicle detection， the DIOU is introduced to optimize the original lossoriginal loss function， enhancing the accuracy of the target center positions and mitigating excessive penalties of the model caused by on aspect ratio fluctuations of the prediction box. Experimental results demonstrate that， on the BDD100K-Urban nighttime dataset， the proposed algorithm achieves a detection accuracy of 75.3%， with only a 0.1% loss， while parameters and computational load decreases by 37.1% and 33.5%， respectively， achieving a detection frame rate of 45.1 frames per second and enhancing detection speed by 5 percentage points. In comparison to other mainstream lightweight object detection models on the UA-DETRAC-Small Car dataset， RT-DETR-tiny balances high detection accuracy and minimal parameter count and computational load， outperforming similar object detection algorithm， which facilitates accuracy and edge deployment for real-time vehicle detection in autonomous driving contexts.

Key words: automatic driving, lightweight, vehicle target detection, RT-DETR

隆艾岐,冯治国,张振博,田兴强,向巍. 基于轻量级RT-DETR-tiny的车辆目标检测算法[J]. 汽车工程, 2025, 47(6): 1188-1197.

Aiqi Long,Zhiguo Feng,Zhenbo Zhang,Xingqiang Tian,Wei Xiang. Vehicle Target Detection Algorithm Based on Lightweight RT-DETR-tiny[J]. Automotive Engineering, 2025, 47(6): 1188-1197.

图/表 17

图1

图2

图3

图4

图5

图6

图7

图8

表1

实验环境参数设置表"

参数	设置	参数	设置
Epochs	160	Lr0	0.000 1
Batch	16	Momentum	0.9
Workers	8	Weight_decay	0.000 1
Images	640 $×$ 640	Optimizer	AdamW

表1

表2

图9

表3

表4

图10

表5

图11

图12

参考文献 25

1	詹海浪. 基于计算机视觉的车道线检测与交通路标识别［D］. 广州：华南理工大学， 2015.
	ZHAN H L.The lane line detection and traffic sign recognition baseon computer vision［D］.Guangzhou：South China University of Technology，2015.
2	REDMON J， DIVVALA S， GIRSHICK R， et al. You only look once： unified， real-time object detection［C］. Proceedings of the Conference on Computer Vision and Pattern Recognition， Las Vegas，USA， 2016：779-788.
3	REN S， HE K， GIRSHICK R， et al. Faster R-CNN： towards real-time object detection with region proposal networks ［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence， 2016，39（6）：1137-1149.
4	张炳力，秦浩然，江尚，等. 基于RetinaNet及优化损失函数的夜间车辆检测方法［J］.汽车工程， 2021，43（8）：1195-1202.
	ZHANG B L，QIN H R，JIANG S，et al.A method of vehicle detection at night based on RetinaNet and optimized loss functions［J］.Automotive Engineering，2021，43（8）：1195-1202.
5	沈瑜，李阳阳，李博昊，等. 基于感知增强与多尺度融合的小目标车辆检测［J］.北京航空航天大学学报， 2024：1-12.
	SHEN Y，LI Y Y，LI B H，et al.Small target vehicle detection based on perceptual enhancement and multi scale fusion［J］.Journal of Beijing University of Aeronautics and Astronautics，2024：1-12.
6	ZHENG Z， WANG P， LIU W， et al. Distance-IoU loss： faster and better learning for bounding box regression［C］. Proceedings of the AAAI Conference on Artificial Intelligence， New York， USA， 2020， 34：12993-13000.
7	ZHAO Y， LV W， XU S， et al. Detrs beat YOLOS on real-time object detection［C］. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， Seattle， USA， 2024：16965-16974.
8	HE K， ZHANG X， REN S， et al. Deep residual learning for image recognition［C］. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition， Las Vegas， USA， 2016：770-778.
9	HAN K， WANG Y， TIAN Q， et al. GhostNet： more features from cheap operations［C］. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， Seattle， USA， 2020：1580-1589.
10	DING X， ZHANG X， MA N， et al. RepVGG： making VGG-style ConvNets great again［C］. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， Nashville， USA， 2021：13733-13742.
11	SHAKER A， MAAZ M， RASHEED H， et al. SwiftFormer： efficient additive attention for transformer-based real-time mobile vision applications［C］. Proceedings of the IEEE/CVF International Conference on Computer Vision， Paris， France， 2023：17425-17436.
12	GONG W. Lightweight object detection： a study based on YOLOv7 integrated with ShuffleNetv2 and vision transformer ［J］.arXiv preprint arXiv：， 2024.
13	KRIZHEVSKY A， SUTSKEVER I， HINTON G E. ImageNet classification with deep convolutional neural networks ［J］.Communications of the ACM， 2017，60（6）：84-90.
14	REZATOFIGHI H， TSOI N， GWAK J Y， et al. Generalized intersection over union： a metric and a loss for bounding box regression［C］. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， Long Beach， USA， 2019：658-666.
15	ZHENG Z， WANG P， REN D， et al. Enhancing geometric factors in model learning and inference for object detection and instance segmentation ［J］.IEEE Transactions on Cybernetics， 2022，52（8）：8574-8586.
16	YU F， CHEN H， WANG X， et al. BDD100K： a diverse driving dataset for heterogeneous multitask learning［C］. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， Seattle， USA， 2020：2636-2645.
17	SELVARAJU R R， COGSWELL M， DAS A， et al. Grad-CAM： visual explanations from deep networks via gradient-based localization ［J］.International Journal of Computer Vision， 2020，128：336-359.
18	CHEN J， KAO S H， HE H， et al. Run， don't walk： chasing higher FLOPS for faster neural networks［C］. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， Vancouver， Canada， 2023：12021-12031.
19	LIU X， PENG H， ZHENG N， et al. EfficientViT： memory efficient vision transformer with cascaded group attention［C］. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Vancouver， Canada， 2023：14420-14430.
20	QIN D， LEICHNER C， DELAKIS M， et al. MobileNetV4： universal models for the mobile ecosystem［C］. Proceedings of the Computer Vision-ECCV 2024， Springer， Cham 2024：78-96.
21	CAI X， LAI Q， WANG Y， et al. Poly kernel inception network for remote sensing detection［C］. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， Seattle， USA， 2024：27706-27716.
22	ZHANG Y F， REN W， ZHANG Z， et al. Focal and efficient IOU loss for accurate bounding box regression ［J］.Neurocomputing， 2022，506：146-157.
23	GEVORGYAN Z. SIoU loss： more powerful learning for bounding box regression ［J］.arXiv preprint arXiv：， 2022.
24	LIN T Y， GOYAL P， GIRSHICK R， et al. Focal loss for dense object detection ［J］.IEEE Transactions on Pattern Analysis & Machine Intelligence， 2020，42（2）：318-327.
25	WANG C Y， YEH I H， LIAO H Y M. YOLOv9： learning what you want to learn using programmable gradient information［C］. Proceedings of the Computer Vision-ECCV 2024， Springer， Cham， 2024：1-12.

编号	原骨干网络		ReduFast 骨干网络	原编码器	DGSTM模块	EAAIFI 模块	原损失函数	AP_0.5/%	参数量/10⁶	计算量/ Gflops	FPS/ （帧·s^-1）
RT-DETR	√		√			√		75.4	19.88	57.0	42.8
实验1		√	√			√		75.2	13.84	44.4	44.3
实验2		√		√		√		74.6	12.50	37.7	43.5
实验3		√		√	√	√		74.4	12.51	37.9	45.1
实验4		√		√			√	75.3	12.51	37.9	45.1

骨干网络	AP_0.5/%	AP_0.5：0.95/%	参数量/ 10⁶	计算量/Gflops	FPS/ （帧·s^-1）
ResNet-18	75.4	42.4	19.88	57.0	42.8
FastNet	73.0	40.6	10.81	28.5	36.6
EfficientVit	70.7	39.2	10.70	27.2	21.1
MobileNetv4	72.4	40.0	11.31	39.5	34.7
PKINet	73.1	41.1	12.72	42.9	7.97
GhostNet	70.2	38.7	12.58	27.0	39.2
ReduFastNet	75.2	42.4	13.84	44.4	44.3

Model	AP_0.5/%	AP_0.5：0.95/ %	参数量/10⁶	计算量/ Gflops	FPS/ （帧·s^-1）
RetinaNet	67.9	37.8	47.57	128	31.1
Faster-RCNN	70.7	38.8	50.98	137.2	33
YOLOV5S	70.2	40.1	9.11	23.8	71.2
YOLOV8S	71.5	40.8	11.13	28.8	76.8
YOLOV8M	73.2	42.4	25.84	78.7	60
YOLOV9S	71.1	40.8	7.17	26.7	27.3
YOLOV9M	72.8	41.4	20.01	76.5	37.4
RT-DETR-R18	75.4	42.4	19.88	57	42.8
RT-DETR-tiny	75.3	41.8	12.50	37.9	45.1

[1]	王明辰,王海,蔡英凤,陈龙,李祎承. MSF-Diffuser：BEV下基于扩散模型的多传感器自适应融合自动驾驶方法[J]. 汽车工程, 2025, 47(6): 1122-1132.
[2]	朱凌云,王海洋. 基于LiDAR点云特征补全的雪天无人车目标检测[J]. 汽车工程, 2025, 47(6): 1133-1143.
[3]	马庆禄,蹇秋伟,李美强,邹政. 自动驾驶环境下车道级雷视融合SLAM[J]. 汽车工程, 2025, 47(6): 1155-1168.
[4]	孙鑫宇,金立生,霍震,王欢欢,贺阳,刘栋. 基于角度交并比和自适应生命周期的三维多目标跟踪算法[J]. 汽车工程, 2025, 47(6): 1169-1176.
[5]	刘宸宇,王海,蔡英凤,陈龙. 面向自动驾驶道路场景的相机与毫米波融合的多目标检测算法[J]. 汽车工程, 2025, 47(5): 829-838.
[6]	马春龙,夏文俊,李胜国,郭言语,苏清源. 基于联合IHHO算法的车架轻量化研究[J]. 汽车工程, 2025, 47(5): 992-1006.
[7]	秦启瑞,王海,蔡英凤,陈龙,李祎承. 基于实例激活图的自动驾驶实时实例分割算法[J]. 汽车工程, 2025, 47(4): 614-624.
[8]	孙凌玉,郭春杰,史国宏,魏俊磊,张照将,王得强,任鑫亭. 车用复合材料模压注塑一体成型关键技术综述[J]. 汽车工程, 2025, 47(4): 692-700.
[9]	索锦辉, 王晓伟, 蒋沛文, 丁驰, 高铭, 边有钢. 基于多粒度关系推理的自动驾驶域自适应视觉目标检测算法[J]. 汽车工程, 2025, 47(2): 201-210.
[10]	朱冰,贾士政,赵健,韩嘉懿,张培兴,宋东鉴,陈志成. 考虑主观认知的自动驾驶汽车序贯博弈类人决策[J]. 汽车工程, 2025, 47(1): 13-22.
[11]	刘波,王康乐,杨健,曾云波,张金生,蒋树勋. 白车身减震塔一体化设计方法研究与应用[J]. 汽车工程, 2025, 47(1): 161-167.
[12]	李江坤,纵瑞雪,邓伟文,王莹,丁娟. 基于有向图的城市交叉口场景相似性评价方法[J]. 汽车工程, 2025, 47(1): 23-34.
[13]	陈鹏,蔡英凤,原海波,陈龙,孙晓强. 基于二型模糊逻辑控制的半挂车轨迹跟踪研究[J]. 汽车工程, 2025, 47(1): 55-66.
[14]	李道飞,潘豪. 场景复杂度评估在轨迹预测和驾驶决策中的应用[J]. 汽车工程, 2024, 46(9): 1556-1563.
[15]	朱冰,范天昕,赵健,张培兴,宋东鉴,薛越,赵文博. 自动驾驶拟人连续交互测试场景生成方法[J]. 汽车工程, 2024, 46(9): 1600-1607.