随着智慧城市的升级,智慧城管系统朝着智能化和多任务的方向发展,其中违规广告牌检测是智慧城管系统的一项重要研究任务。近年来,随着深度学习和计算机视觉的快速发展,越来越多的基于卷积神经网络的目标检测算法被用于非法广告牌检测,具有较高的检测精度,但是在实际应用中可能有一些问题:一方面,对目标检测要求实时性;另一方面,复杂的卷积神经网络的训练需要高性能机器支持,这些高性能的机器不是每个单位都能提供。为了更好满足实际应用中的需求,在保证高精度前提下,加快模型的推理速度和减少模型占用的内存资源是一项有必要的研究。本文对违规摆放广告牌的场景分为两种情况:（1）处于车行道上的广告牌;（2）处于人行道中间位置的广告牌。所以在检测广告牌之前,必须针对广告牌的区域进行划分,才能进一步判定广告牌是否属于违规摆放,本文使用的划分方式是基于卷积神经网络的语义分割算法。本文从解决道路上广告牌违规摆放的问题出发,考虑到智慧城管系统有限的硬件资源条件,结合深度学习技术,提出了一种基于轻量级卷积神经网络的违规广告牌检测算法。本文的主要工作内容如下:（1）由于国内各城市道路状况不一,摄像头的转动视角不同和广告牌的大小形态差异较大,在公开数据集上训练的结果并不能很好地用于特定城市道路情况。所以本文的模型既在公开数据集上训练验证又在智慧城管数据集上训练验证。本文的智慧城管数据集是通过获取国内大量特定城市道路监控图片,进行广告牌的目标检测标注,并从中选取一部分样本用于道路分割标注,所有的标注都由手工完成。（2）本文的轻量级目标检测网络分为三部分:主干网络（Backbone）、网络颈部（Neck）、网络头部（Head）,其中Backbone选用轻量级的Shuffle Netv2网络,并在其基础单元中加入本文改进的通道注意力机制,Neck部分使用多尺度特征融合技术,Head部分选用的是YOLOv3单阶段目标检测器。通过实验验证本文设计的目标检测网络模型在智慧城管数据集上的参数量为4.055M,m AP达到66.7%,FPS达到73帧/秒。（3）本文的轻量级语义分割网络采用编码器-解码器结构。为使模型轻量化,编码器模块采用通道分离的思想,同时替换卷积核尺寸大于1×1的标准卷积为深度可分离卷积;为提高模型的精度,编码器模块在基础单元中增加多个分支的残差连接,同时引入密集连接的空洞空间金字塔池化用于融合空间上下文,并且改进空间注意力机制,将其用在解码器模块中,通过实验验证改进的空间注意力机制与原来的空间注意力机制相比,m Io U提高了0.6个百分点。（4）本文违规广告牌检测算法结合目标检测和语义分割算法,首先使用语义分割算法划分道路的区域,然后使用目标检测算法获取广告牌的位置,最后结合这两个算法的结果判断出广告牌是否处于人行道中间或者车行道上,进而来判断此广告牌是否属于违规摆放。本文所研究的算法用于检测出特定城市道路中的违规广告牌,在不过多损失精度的前提下,减少模型参数量和计算量,加快模型推理速度,实现有限计算资源的情况下有效辅助相关工作人员检测出城市道路上的违规广告牌。