针对路侧交通监控场景和智能交通管控需要,提出轻量型的车辆检测算法GS-YOLO,解决现有模型检测速度慢、占用内存多的问题.GS-YOLO借鉴GhostNet思想将传统卷积分为两步,利用轻量操作增强特征,降低模型的计算量.在主干特征提取网络中引入注意力机制,对重要信息进行选择,提高模块的检测能力.另外参考SqueezeNet结构,使用Fire　Module和深度可分离卷积减少模型参数,模型大小从244　MB降低到34　MB,内存占用降低了86％.使用Roofline模型对实验数据和模型实际性能进行分析,结果表明GS-YOLO的精确度(AP)达到85.55％,相比YOLOv4提升了约0.45％.由于受计算平台带宽影响,GS-YOLO在GPU上检测速度提升7.3％,但在CPU上检测速度提高了83％,更适用于算力资源不足的小型设备.