一种针对智能无人车小目标的轻量化检测方法

本发明提供了一种针对智能无人车小目标的轻量化检测方法，属于人工智能驾驶场景中的目标检测领域，本发明以YOLOv5s为基准模型，具体改进包括：在backbone网络的P3/8和P4/16特征层后嵌入高效多尺度注意力（EMA）机制，强化模型对小目标的特征感知能力；对neck网络进行改进，将普通卷积替换为Ghost模块、C3模块替换为C3Ghost模块，减少模型参数与计算量以实现轻量化；提出SU‑WIoU损失函数，引入定位不确定性参数修正异常度计算逻辑，提升小目标边界框回归精度。本发明通过backbone、neck、损失函数的协同改进，克服了现有方法在小目标检测精度与轻量化适配性上的冲突缺陷。