关键词：行人目标识别;YOLOXs算法;轻量化;智能汽车
摘 要：为解决YOLOXs行人目标识别算法效率低、体积规模大的问题，采用轻量架构卷积神经网络替换主干网络，深度可分离卷积替换，特征增强网络中的3×3卷积层，提出轻量化增强网络，并应用于智能汽车行人目标识别试验。结果表明，轻量化增强网络模型能够在确保行人目标识别精度的基础上有效缩减参数量和所占内存，对参数缩减了44.1%,所占内存缩减了41.9%,该算法更适合于嵌入式与移动端设备的搭建，对智能汽车的开发具有一定的参考价值。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取