针对遥感图像解析与自动驾驶感知中,密集小目标检测模型存在参数量大、计算复杂度高和内存占用多等问题,提出一种轻量化改进方法。通过优化检测头结构,将原模型的大目标检测头替换为小目标专用检测头,增强对小目标的特征提取能力;采用通道剪枝技术去除冗余通道,有效压缩模型体积;引入知识蒸馏策略对剪枝后的模型进行微调,以缓解精度损失并提升推理效率。结果表明,与原模型YOLOv8s相比,改进后的模型参数量和体积分别减少39.9%和38.1%,推理速度提升58.3%,并在自制的路沿数据集上验证了其实际应用的有效性。
