DSR-YOLO：基于轻量化YOLOv8架构的多尺度行人检测优化模型及其在复杂场景中的应用

针对复杂背景和尺度变化导致的行人检测难题，研究人员提出DSR-YOLO模型，通过集成DCNv4（可变形卷积）、SimAM（无参数注意力机制）和RFB（感受野模块），在CityPersons数据集上实现mAP@50提升14.9%，推理速度保持10.63ms，为自动驾驶系统（ADAS）提供高效解决方案。

　　

在城市交通场景中，行人检测是自动驾驶系统（ADAS）的核心挑战之一。复杂背景、多尺度变化以及频繁遮挡等问题严重影响了传统检测模型的准确性。尽管基于深度卷积神经网络（DCNNs）的方法如YOLO系列已取得进展，但在密集城市环境中仍存在漏检和误检率高的问题。尤其当行人穿着季节性服装或处于动态遮挡状态时，现有模型的鲁棒性显著下降。

针对这些技术瓶颈，研究人员开发了DSR-YOLO模型，其创新性体现在三个维度：首先，通过DCNv4模块动态调整卷积核形状，有效捕捉行人姿态变化；其次，引入SimAM注意力机制无需增加参数即可抑制背景干扰；最后，新增160×160检测头与RFB模块协同增强小目标检测能力。实验表明，该模型在CityPersons数据集上mAP@50达到70.25%，较基线YOLOv8n提升14.9%，同时保持2.31M参数量和10.63ms推理速度。

关键技术包括：1）采用DCNv4替代标准卷积，通过可学习偏移量提升特征提取灵活性；2）构建混合C2f模块（C2f_SD和C2f_SC），在浅层结合SimAM与DCNv4，深层保留标准卷积保证效率；3）使用WIoUv3损失函数动态调整边界框回归权重；4）在NVIDIA Jetson Xavier边缘设备部署时，TensorRT量化使FP16精度下帧率达55.92f/s。

研究结果部分显示：

1. DCNv4效果验证：对比实验表明DCNv4使mAP@50提升至62.42%，推理时间仅增加0.59ms。
2. 注意力机制优化：SimAM以零参数量代价实现64.1% mAP@50，显著优于CBAM和CA模块。
3. 多尺度检测增强：RFB模块使80×80和160×160头部的遮挡目标检测精度提升3.71%。
4. 边缘设备适配：在Jetson Xavier上，FP16量化模型功率降至2388mW，满足实时性需求。

结论指出，DSR-YOLO通过层级式创新实现了精度与效率的平衡：DCNv4解决形变适应问题，SimAM优化特征选择，而WIoUv3则完善了回归损失计算。该研究不仅为复杂场景行人检测提供了新范式，其轻量化设计更推动了ADAS系统在边缘计算场景的落地应用。值得注意的是，在Caltech数据集的重度遮挡子集上50.5%的FPPI值，揭示了模型在极端场景仍有优化空间，这为后续研究指明了方向。