针对传统路侧目标检测模型存在的问题，本研究提出了一种基于改进的YOLOv5s算法的路侧目标检测模型，并通过实验结果验证了其有效性。改进的算法采用了EIoU Loss作为目标边界框的回归损失函数，提升了回归预测精度；同时使用轻量级的CARAFE算子替代最近邻插值上采样模块，减少特征信息损失；新增一层检测尺度更小的目标检测分支，并采用解耦预测头对不同尺度的检测层进行解耦，提高了对小目标的检测能力。此外，还对模型进行了通道剪枝，减小了模型体积。在DAIR-V2X-I数据集上进行的实验结果显示，相对于原始YOLOv5s算法，改进后的算法在保持模型体积小的情况下，mAP50和mAP50:95分别提高了2.5%和3.8%，达到了90.3%和67.7%。该算法具有更高的准确性和检测速度。