（论文速读）SPR-YOLO：面向模糊场景的轻量级交通流检测算法

****论文题目：****SPR-YOLO：面向模糊场景的轻量级交通流检测算法

****期刊：****Arabian Journal for Science and Engineering（综合性四区/三区）

****摘要：****高效、高精度的车辆检测在智能交通中起着至关重要的作用。然而，在夜晚和雨天等模糊场景中，噪声干扰和低分辨率等因素往往会限制检测效果。因此，本文提出了一种用于模糊场景的轻量级网络体系结构SPR-YOLO。该模型基于YOLOv8，重新设计了轻量级网络的主干和颈部模块，采用SPD_Conv挖掘更深层次的语义信息，面对模糊场景下的特征提取。任务。为了进一步增强模型的特征聚合能力，我们提出了SECA关注模块，提高了模型在通道和空间两个维度上对信息的关注能力，从而更好地提取语义特征。此外，为了在低分辨率和模糊场景下也能达到高细粒度的融合效果，我们提出DY_GELAN聚合网络，实现高保真融合和低参数平衡，进一步增强了网络表达深度信息的能力。最后，我们利用ByteTracker进行车辆跟踪，并利用自定义区域的目标统计方法实现模糊场景下的交通流检测。该网络在UA-DETRAC数据集上进行训练和评估。结果表明，本文提出的网络结构参数与YOLOv8基本相同，但mAP50和FPS分别提高了6.4%和7.68%。与其他主流模型相比，该模型有效地平衡了轻量化、高效率和高精度的优点。

SPR-YOLO：面向模糊场景的轻量级交通流检测算法详解

一、背景与问题

随着城市交通压力的持续增加，车辆检测与交通流统计已成为智能交通系统（ITS）的核心任务。早期的传感器方法（激光雷达、感应线圈、雷达等）虽然有效，但成本高昂、维护困难，且极易受到环境因素的干扰。基于计算机视觉和深度学习的方法因此成为主流选择。

然而，现有的深度学习检测算法在模糊场景（夜间、雨天、大雾、沙尘等）中普遍面临以下几个核心问题：

1.1 低分辨率与噪声干扰问题

在夜间或恶劣天气下，相机采集到的图像往往分辨率低、噪声多。主流的 CNN 架构（包括 YOLOv8）普遍依赖步长卷积（strided convolution）或池化层（pooling layer）进行下采样，这会导致细粒度信息的丢失，从而在模糊图像中表现出明显的性能下降。

1.2 特征聚合能力不足

传统的通道注意力机制（如 ECA）仅关注通道间的信息，忽略了空间维度的信息，导致在特征聚合时对关键区域的感知能力有限，无法充分利用图像中的空间语义信息。

1.3 特征融合精度不足

现有的特征融合网络通常采用简单的求和或拼接操作，在经过一系列特征提取和空间变换后，大量关键信息丢失，无法在低分辨率模糊图像中实现高保真的特征融合。

1.4 遮挡场景下的跟踪误差

在实际交通视频中，车辆遮挡现象十分普遍。一旦车辆被短暂遮挡后重新出现，系统往往会为其分配新的 ID，导致重复计数，使统计数据与实际不符。

1.5 通用性不足的流量统计方法

传统的"划线计数"方法（line crossing count）依赖特定视频流中固定检测线的位置，当视频流发生变化时，检测线可能超出画面范围，导致方法失效，无法满足高通用性需求。

二、SPR-YOLO 的创新点

针对上述问题，论文提出了 SPR-YOLO 这一轻量级检测网络，基于 YOLOv8 进行了全面改进。整体架构由三部分组成：Backbone（主干网络）、Neck（颈部特征融合网络）、Detection Head（检测头），并结合 ByteTracker 实现端到端的交通流检测。

📷 【配图：图1 --- SPR-YOLO 整体网络架构图】
对应论文 Figure 1，展示 Backbone（Conv + SPD + C2f + SECA + SPPF）、Neck（DySample + RepNCSPELAN4 + Concat）及 Head（Detect）的完整结构。

2.1 创新点一：双维度注意力模块 SECA

问题根源：ECA 等经典通道注意力机制仅考虑通道间关系，忽视空间维度，特征聚合能力有限。

解决方案 ：提出 SECA（Spatial-Enhanced Channel Attention） ，在 ECA 通道维度推理的基础上，并行增加 SPA（Spatial Attention）分支进行空间维度推理。

SECA 的算法流程如下：

通道维度 ：通过全局平均池化（GAP）生成通道描述子，经一维卷积处理后，利用 Sigmoid 激活函数生成通道权重，并应用于输入特征图，得到通道输出特征图。
空间维度 ：通过最大池化和平均池化进行通道聚合，将特征图从转换为；再使用 7×7 卷积生成注意力图，经 Sigmoid 生成空间权重，得到空间输出特征图（经 7×7 下采样保持维度一致）。
融合输出 ：将与求和，再与原始特征图 X 相乘，得到最终双维度加权特征图。

📷 【配图：图2 --- SECA 注意力模块结构图】
对应论文 Figure 2，展示 GAP、1×C、7×7conv、sigmoid 及各路分支的并行连接方式。

效果（消融实验数据） ：在 UA-DETRAC 数据集上，单独引入 SECA 后，mAP@0.5 达到 61.6% ，FPS 达到 207.62 ，相比使用 ECA 模块分别提升 0.9% 和 1.7%。

2.2 创新点二：改进的 Backbone --- SECA_SPD_Conv

问题根源：步长卷积和池化层的使用导致细粒度信息丢失，YOLOv8 原始 Backbone 在低分辨率和模糊场景下感受野受限。

解决方案 ：将 YOLOv8 的 Backbone 替换为集成了 SECA 注意力模块的 SPD-Conv。

SPD-Conv（Space-to-Depth Convolution）的核心思想是：用空间到深度（SPD）层替换每个步长卷积层和池化层，后接无步长卷积层（Non-strided Conv）。

以 scale=2 为例，给定大小为 $S \\times S \\times C_1$ 的特征图 $X$ ，SPD 操作生成四个子特征图：

每个子图形状为，通过拼接将特征图转换为，再经无步长卷积得到最终特征图。

这种方式保留了所有细粒度信息，避免了传统下采样方式的信息损失，使模型在处理低分辨率输入时能更有效地整合局部特征到全局特征。

📷 【配图：图3 --- SPD-Conv 结构示意图（scale=2）】
对应论文 Figure 3，展示 space-to-depth 操作过程及子特征图的生成方式（a-e）。

效果（消融实验数据） ：单独使用 SPD_Conv 替换 Backbone 后，mAP@0.5 和 FPS 分别达到 61.2% 和 206.97 ，相比 YOLOv8 基线分别提升 3.3% 和 3.8% 。当 SECA 与 SPD_Conv 同时使用时，mAP@0.5 达到 62.7% ，FPS 达到 224.65 ，相比 YOLOv8 基线分别提升 4.8% 和 7.68%。

2.3 创新点三：高精细粒度特征融合网络 DY_GELAN

问题根源：现有融合方法（简单求和或拼接）导致大量关键信息在特征提取和空间变换过程中丢失，无法在低分辨率下实现高保真融合。

解决方案 ：将 Neck 部分替换为 DY_GELAN ，即将动态上采样方法 DySample 与通用高效层聚合网络 GELAN 相结合：

DySample ：一种基于采样点的动态上采样方法，通过采样点生成器（Sample Point Generator）学习采样偏移 O 和原始网格 G，利用网格采样函数对输入特征进行重采样。相比双线性插值等固定方式，DySample 能更好地分离目标与背景，提升特征图分辨率，恢复空间细节，同时有效降低模型参数量。
GELAN（Generalized Efficient Layer Aggregation Network） ：通用高效层聚合网络，其具体实现为 RepNCSPELAN4 。该模块采用深度可分离卷积（将标准卷积分解为逐深度卷积和逐点卷积），每层卷积后应用批归一化（Batch Normalization），有效降低模型复杂度，并通过重复使用相同卷积模块来增强特征提取的多样性和深度。

📷 【配图：图4 --- DySample 采样点生成器结构图】
对应论文 Figure 4，展示输入特征 X、偏移量 O、原始网格 G 及 Sigmoid 函数的连接关系。

📷 【配图：图5 --- RepNCSPELAN4 模块结构图】
对应论文 Figure 5，展示 Channel1=C、Channel1=C/2、RepNCSP、Concat 及 Conv 的组合方式。

效果（消融实验数据）：

配置	mAP@0.5 (%)	Params (M)	FPS
YOLOv8 + GELAN	62.9	3,721,148	228.89
YOLOv8 + DY_GELAN	62.6	3,182,108	221.37
YOLOv8 + SECA + SPD_Conv + DY_GELAN（SPR-YOLO）	64.3	3,942,129	214.68

DySample 在仅损失 0.3% 精度的情况下，显著降低了参数量 ；GELAN 相比 YOLOv8 原始 Neck 提升 mAP50 达 5%。

2.4 创新点四：Inner_CIOU 损失函数

问题根源：YOLOv8 使用的 CIoU 损失函数对宽高比过于敏感，在目标形状因噪声而变化较大的模糊场景（如雨雾、夜间）中，容易产生不良的边框预测结果。

解决方案 ：引入 Inner_CIOU，通过引入缩放因子 ratio（通常范围 [0.5, 1.5]），计算辅助内部边框的大小，重点评估重叠区域内部质量，避免宽高比差异过大导致的评估偏差：

最终的 Inner_CIOU 损失定义为：

效果：Inner_CIOU 损失函数收敛速度更快，检测精度相比 CIOU 提升 0.7%。

2.5 创新点五：ByteTracker 跟踪与自定义区域流量检测

跟踪方案 ：采用 ByteTracker 多目标跟踪算法，结合匈牙利算法和卡尔曼滤波，优化目标匹配与位置预测，并加入动态目标管理策略，有效应对遮挡导致的目标丢失问题。

流量检测方案 ：提出自定义区域交通检测方法，替代传统的划线计数法：

用户可灵活定义检测范围（每个区域由五个点定义），系统自动校准坐标并计算中心位置。
车辆进入检测区域时被识别，由 ByteTracker 持续跟踪；当车辆越过中心点定义的水平面时进行分类，对应车辆类别计数加 1。
将车辆分为三类（轿车、公共汽车、大型卡车），在左右双向车道分别计数。

三、实验设置

训练数据集：UA-DETRAC（北京/天津 24 地点采集，共 140,000+ 帧，8,250 辆车，1.21 百万标注框，包含晴天、阴天、夜间、雨天及遮挡场景）；DAWN 数据集（1,000 张图像，涵盖雾、雪、雨、沙尘四种天气）
数据集划分：训练集与测试集比例 4:1
训练参数：训练轮数 150 epochs，输入尺寸 640×640，批量大小 16，初始学习率 0.01
硬件环境：NVIDIA GeForce RTX 2080Ti GPU
软件环境：Python 3.9.19，PyTorch 2.0.1，CUDA 11.7

四、实验结果

4.1 UA-DETRAC 数据集对比实验

📋 【配表：表1 --- 不同模型在 UA-DETRAC 数据集上各车辆类别的 mAP 对比】
对应论文 Table 1，包含 Bus、Car、Truck、Van 四类别 MAP@0.5 及总体 MAP@0.5（%）。

📋 【配表：表2 --- 不同模型在 UA-DETRAC 数据集上的模型大小、速度、参数量及计算量对比】
对应论文 Table 2，包含 Modelsize (M)、FPS、Params(M)、Computation amount (G)。

核心结论（相比 YOLOv8 基线）：

mAP@0.5 提升 6.4%（57.9% → 64.3%）
FPS 提升 7.68%（199.35 → 214.68）
相比 YOLOv8s 提升 4.2% ；相比 EfficientDet 提升 5.52% ；相比 MobileNetV3 提升 10.1%
相比 YOLOv8 MobileNetV3，FPS 提升 32.12%
相比 SwinTransformer（参数量 51.3M，FPS 仅 27.73），SPR-YOLO 以 3.94M 参数量、214.68 FPS 实现了性能的全面超越

4.2 DAWN 数据集验证实验

📋 【配表：表3 --- 不同模型在 DAWN 数据集四种天气条件下的 MAP 对比】
对应论文 Table 3，包含 Snow、Fog、Rain、Sand 及综合 All（%）。

核心结论（相比 YOLOv8 基线）：

雪天（Snow） ：提升 7.9%（50.3% → 54.3%）
大雾（Fog） ：提升 35.38%（47.2% → 63.9%），提升最为显著
雨天（Rain）：33.5%，略低于 YOLOv8 基线（42%），存在一定差距
沙尘（Sand）：14.2%，与 YOLOv8s 和 Faster R-CNN 持平
综合（All） ：相比 YOLOv8 提升 4.31%（48.7% → 50.8%）

4.3 消融实验

📋 【配表：表4 --- SECA_SPD_Conv 消融实验结果】
对应论文 Table 4，包含各模块组合的 MAP50 (%)、Params(M)、FPS。

4.4 可视化结果对比

📷 【配图：图6 --- SPR-YOLO 与 YOLOv8n 检测结果可视化对比】
对应论文 Figure 6，展示密集场景（a/e）、大雾（b/f）、雪天（c/g）、夜间（d/h）四种场景下两模型的检测效果对比。

从可视化结果来看：

在密集场景下，YOLOv8n 无法识别右侧及远处密集的车辆，SPR-YOLO 则可以完成该任务。
在雾天和雪天场景下，YOLOv8n 在噪声干扰下性能显著下降，对小目标和遮挡目标的检测明显较差。
在低光照（夜间）场景下，YOLOv8n 性能同样大幅下滑，而 SPR-YOLO 保持较好的检测能力。

4.5 自定义区域交通流检测效果

📷 【配图：图7 --- 夜间与雨天场景下自定义区域交通流检测效果示意图】
对应论文 Figure 7（a/b），展示梯形检测区域设置及上下行车辆统计计数的实际效果。

在两段各 3 分钟的真实路况视频（雨天 + 夜间）上，通过模型估计与人工统计对比，得到以下精度数据：

📋 【配表：表5 --- SPR-YOLO 与 YOLOv8n 在雨天场景的交通流检测精度对比】
对应论文 Table 5，含 Car/Bus/Truck 三类检测流量、实际流量及精度（%）。

📋 【配表：表6 --- SPR-YOLO 与 YOLOv8n 在夜间场景的交通流检测精度对比】
对应论文 Table 6，含 Car/Bus/Truck 三类检测流量、实际流量及精度（%）。

场景	SPR-YOLO 精度	YOLOv8n 精度
雨天	95.27%	92.9%
夜间	87.17%	84.21%

五、总结与不足

主要贡献回顾

SPR-YOLO 通过以下组合创新，在轻量级（约 3.94M 参数）的前提下，实现了对 YOLOv8 在模糊场景下的全面超越：

SECA：双维度注意力机制，同步强化通道与空间特征感知。
SPD_Conv Backbone：替代步长卷积，保留低分辨率图像中的细粒度信息。
DY_GELAN Neck：动态采样上采样 + 高效层聚合，实现高保真特征融合。
Inner_CIOU：更适合模糊场景的边框回归损失，加速收敛。
ByteTracker + 自定义区域检测：端到端的交通流跟踪与统计方案。

现存不足与未来方向

当图像极低分辨率或噪声极强时，模型性能仍受到一定约束。
自定义区域统计方法目前仅针对双向双车道进行优化，通用性有待提升。
模型尚未在嵌入式设备或移动端完成部署，计算需求对边缘设备仍是挑战。
未来计划将模型应用于显著性目标检测或遥感图像目标检测，并迁移至嵌入式平台，进一步逼近交通流的实时检测。