基于GSConv的Slim-Neck与双层路由注意力机制的车辆轻量化损伤检测

《World Electric Vehicle Journal》：Lightweight Vehicle Damage Detection Using GSConv-Based Slim-Neck and Bi-Level Routing Attention

　　

车辆损伤检测是智能交通系统和保险评估中的一项重要任务，但由于损伤区域在复杂环境中具有细微的外观表现、不规则的形状以及空间分散性，该任务仍面临挑战。研究人员提出了一种专门的结构协同方案，将基于GSConv的Slim-Neck、动态双层路由注意力（Bi-Level Routing Attention）机制以及方向感知SIoU损失有机整合。这并非表面的架构组合，而是一种专门为解决车辆检测中边缘部署效率与细粒度特征保留之间根本冲突而设计的新型方法论框架。该方法在公开可用的Car Damage Detection数据集上进行评估，并与具有代表性的两阶段和单阶段检测器进行了比较，包括DETR、Faster R-CNN、YOLOv5n、YOLOv8n和YOLO11n。实验结果表明，所提出的方法在mAP₅₀上达到67.9%、mAP_50-95上达到53.8%，优于基线YOLO11n及其他轻量化YOLO变体，同时计算成本仅适度增加。这些结果表明，所提出的框架在检测精度与效率之间提供了有利的权衡，在资源受限条件下进行车辆损伤检测具有应用潜力。

## 研究背景与问题阐述

车辆损伤检测在智能交通系统（Intelligent Transportation Systems, ITS）、保险理赔评估以及车辆维护服务中扮演着关键角色。随着全球汽车保有量的持续增长，交通事故及磨损相关损伤日益普遍，对准确、高效且自动化的车辆检测解决方案的需求不断上升。传统的人工检测方法往往耗时费力、主观性强且高度依赖专家经验，这限制了其在实际应用中的可扩展性和一致性。因此，基于计算机视觉的方法因其能够提供快速、客观且可靠的车辆损伤检测而备受关注。

近年来，深度学习技术，尤其是卷积神经网络（Convolutional Neural Networks, CNN），在目标检测任务中取得了显著成功。其中，YOLO（You Only Look Once）系列因其在检测精度与实时推理速度之间的良好平衡而被广泛采用。然而，车辆损伤检测仍面临诸多挑战：损伤区域如刮痕、凹陷和碰撞引起的变形等，具有细微的视觉特征、不规则的形状以及多样的空间分布。这些受损区域往往与背景纹理具有高度视觉相似性，尤其在复杂光照条件或 cluttered 环境中。此外，标准YOLO模型在检测小型、不规则或低对比度车辆损伤时频繁出现性能退化，原因在于通用的空间下采样机制导致高频几何信息的快速流失，以及传统卷积层均匀特征聚合无法动态区分细微的前景形变与主导的背景上下文。

现有YOLO检测器的局限性主要体现在两个方面：其一，传统的多尺度特征融合颈部结构如特征金字塔网络（Feature Pyramid Network, FPN）和路径聚合网络（Path Aggregation Network, PAN）常引入特征冗余和计算负担；其二，不同空间区域和尺度间特征的交互不足，限制了全局上下文信息的捕获能力。因此，亟需一种既能降低计算复杂度又能增强特征表征能力的轻量化检测框架。

## 研究内容与创新贡献

针对上述挑战，研究人员提出了一种轻量化车辆损伤检测框架，该框架将基于GSConv（Group Shuffle Convolution）的Slim-Neck架构与双层路由注意力机制相结合。具体贡献可概括为三个方面：设计基于GSConv和VoVGSCSP（Variety of Group Shuffle Convolution with CSP）的轻量化Slim-Neck架构，提升多尺度特征融合效率并减少计算冗余；将双层路由注意力机制整合到检测框架中，进一步细化上下文信息并提高对细粒度车辆损伤模式的敏感性；在公开的Car Damage Detection（CarDD）数据集上开展大量实验，验证所提方法的有效性，并展示检测精度与计算效率之间的有利平衡。该研究发表于《World Electric Vehicle Journal》。

## 关键技术方法

研究所用的主要关键技术方法包括：基于YOLO11的三阶段架构（主干网络、颈部、多尺度检测头）；GSConv-based Slim-Neck，采用VoVGSCSP模块进行阶段式优化；双层路由注意力模块，设置7×7的非重叠路由区域划分，top-k选择策略中k=4；方向感知SIoU（Scylla Intersection over Union）损失函数用于边界框回归；样本来自CarDD公开数据集，约4000张高分辨率图像，6000×4000像素级别，涵盖六种常见外部损伤类别。

## 研究结果

### 与主流方法的比较

研究人员将所提出的方法与DETR、Faster R-CNN、YOLOv5n、YOLOv8n和YOLO11n等主流检测算法进行了全面比较。结果显示，DETR和Faster R-CNN具有较高的模型复杂度，参数量分别为28.30 M和36.74 M，推理速度相对较低。轻量化的YOLO模型展现出明显更高的推理速度，其中YOLOv5n和YOLOv8n超过450 FPS。YOLO11n达到了67.2%的最高召回率，并拥有最低的GFLOPs和2.58 M的紧凑参数量。值得注意的是，所提出的框架将计算复杂度提升至8.9 GFLOPs，但仍严格保持在10 GFLOPs的边缘级轻量化部署阈值以下。所提出的方法获得了70.3%的精度、65.8%的召回率、67.9%的mAP₅₀，以及轻量化模型中最高的53.8%的mAP_50-95，同时保持2.65 M的紧凑模型大小和416.6 FPS的推理速度。归一化热力图分析表明，该方法在所有评估指标上均获得一致的高分，展现出平衡的检测性能。

### 训练与验证曲线分析

训练过程中，边界框损失、分类损失和分布焦点损失均呈现明显的下降趋势并逐渐收敛。训练损失在早期epoch迅速下降，此后平稳递减；验证损失与训练损失趋势相似，全程保持接近且无显著偏离，表明训练稳定收敛，未出现明显过拟合。精度、召回率、mAP₅₀和mAP_50-95随训练epoch稳步提升并在后期达到稳定值，展现出稳定的训练动态和可靠的性能收敛。

### 类别级性能分析

通过归一化混淆矩阵评估细粒度分类性能，结果显示：该方法在宏观结构损伤上表现突出，玻璃破碎准确率达99%、轮胎瘪陷92%、灯具破损81%；但在细粒度表面异常检测上存在挑战，凹陷52%、刮痕58%、裂纹30%。主要误差来源为假阴性，69%的裂纹、42%的凹陷和40%的刮痕被误分类为背景，这主要归因于表面异常的细微物理痕迹常被复杂环境光照、车身镜面反射或与完好面板的低对比度所掩盖。此外，凹陷与刮痕之间存在6%的交叉误分类，源于其特征边界重叠。

### 定性检测结果

在代表性测试图像上的定性评估表明，该方法能够以紧凑的边界框定位损伤区域并分配较高置信度的类别标签。对于表面级损伤如凹陷、刮痕和裂纹，即使损伤区域较小或位于复杂背景区域，模型也能成功捕获细粒度视觉特征；对于结构性损伤如玻璃破碎、灯具破损和轮胎瘪陷，检测结果保持精确且视觉一致。

### 消融实验

消融实验通过逐步启用Slim-Neck结构、BRA模块和SIoU损失评估各组件贡献。基线模型达到67.4%的mAP₅₀和52.8%的mAP_50-95。单独引入Slim-Neck使精度从69.5%提升至71.6%，mAP_50-95提升至53.9%，且保持6.3 GFLOPs的计算量不变；单独应用BRA模块时整体性能略有下降，表明该模块需要互补的结构优化以充分发挥其效用；单独使用SIoU则同时改善了精度和mAP_50-95。两组件组合时，Slim-Neck与SIoU组合保持稳定精度，BRA与SIoU组合将精度和mAP_50-95提升至70.8%和53.5%，Slim-Neck与BRA组合在精度、召回率和mAP指标上取得平衡。三组件全部集成时，模型达到最佳整体性能：67.9%的mAP₅₀和53.8%的mAP_50-95，精度70.3%，召回率65.8%。模块计算复杂度方面，基线为6.3 GFLOPs，集成BRA后增至8.9 GFLOPs，但仍低于边缘硬件部署阈值。

## 讨论

实验结果表明，所提出的方法在mAP₅₀和mAP_50-95方面与主流轻量化YOLO模型相比具有竞争力或更优性能，同时保持紧凑模型尺寸和高推理速度。这证明该设计在不引入过多计算开销的前提下有效提升了整体检测质量，对实时和资源受限部署场景至关重要。归一化热力图分析进一步凸显了该方法在多个评估指标上的稳健性，展现出对不同IoU阈值和损伤类别的改进泛化能力，而非针对单一评估标准的优化。

训练与验证曲线的平滑收敛以及精度、召回率、mAP₅₀和mAP_50-95的持续提升表明优化行为可靠，无明显过拟合。这种稳定性对实际应用尤为重要，反映了对数据集变化和训练条件的鲁棒性。定性可视化结果进一步支持了定量发现，所提方法在多样车辆损伤类型上表现出准确的定位和可靠的分类，尤其在复杂背景下精确定位小型或细微损伤区域的能力，与观察到的mAP_50-95提升相一致。

消融实验揭示了单个组件的有限或特定指标改进，而多组件组合带来更一致的增益。完整配置在精度、mAP₅₀和mAP_50-95上实现最平衡的提升，表明各组件相互补充。值得注意的是，单独隔离模块时 initially 引起基线性能波动：单独使用Slim-Neck将mAP₅₀略微降至66.8%，而单独使用BRA导致其降至66.2%；但组合使用时，Slim-Neck充当结构净化器过滤背景噪声，使BRA模块能够精确捕获长距离上下文依赖，这种协同效应最终实现最佳综合性能。

然而，框架仍存在特定局限性和失效模式。类别级性能分析表明，在检测细微表面异常如裂纹、刮痕和凹陷时性能下降，主要失效模式为这些细粒度变形被误分类为背景的假阴性。该脆弱性在强烈镜面反射、非均匀环境光照及缺陷与完好漆面极端低对比度条件下尤为突出。此外，先进特征细化模块的集成引入了GFLOPs的轻微增加和帧率的边际降低，虽然416.6 FPS的吞吐量对标准实时部署绰绰有余，但该权衡表明对于极端硬件约束场景仍需进一步优化。未来方向包括在外部跨域数据集上验证网络的泛化边界。

## 结论

研究人员提出了一种高效的车辆损伤检测目标检测方法，通过整合多种轻量化设计策略。大量定量比较、归一化指标分析、训练收敛行为评估、定性可视化及消融研究彻底证实了所提出框架的有效性和鲁棒性。经验结果表明，各个组件共同促进了检测精度的提升和不同评估类别上稳定性能的保持，同时维持了高推理速度和紧凑模型尺寸。未来工作将聚焦于：扩展至更复杂的损伤类别；将框架部署到物理低功耗边缘平台进行硬件在环优化；探索其在更广泛现实世界检测任务中的适用性。