基于改进YOLOv5s的自动驾驶中运动目标检测方法
文档名：基于改进YOLOv5s的自动驾驶中运动目标检测方法
摘要：针对自动驾驶领域运动目标检测存在目标相互遮挡、对小目标漏检误检严重、实时性和鲁棒性较差等问题,提出一种基于改进YOLOv5s的方法.将全局注意力模块嵌入到主干网络C3结构的残差块中,增强了网络的整体特征提取能力;将原始网络20×20的检测尺度替换为160×160,提高模型对于小目标的识别能力;采用SIoULoss作为边界框回归损失函数,使预测框的定位更加精准.实验结果表明,该改进算法在公开的自动驾驶数据集SODA10M上均值平均精度达到了81.3%,较原始网络提升了7.5%,推理速度达到238frames/s,与主流的目标检测算法相比也表现出一定的优越性.
Abstract：Aimingattheproblemsofmovingobjectsdetectioninthefieldofautomaticdriving,suchasmutualocclusionofobjects,seriousmissingandfalsedetectionofsmallobjects,andpoorreal-timeperformanceandrobustness,amethodbasedonimprovedYOLOv5swasproposed.TheglobalattentionmoduleisembeddedintotheresidualblockintheC3structureofthebackbonenetworktoenhancetheoverallfeatureextractioncapabilityofthenetwork.Thedetectionscaleoftheoriginalnetwork20×20isreplacedby160×160toimprovetherecognitionabilityofthemodelforsmallobjects.SIoULosswasusedastheboundingboxregressionlossfunction,soastomakethepositioningofthepredictionboxmoreaccurate.TheexperimentalresultsshowthatthemeanaverageprecisionoftheimprovedalgorithmontheopenautomaticdrivingdatasetSODA10Misupto81.3%,7.5%higherthantheoriginalnetwork,andthereasoningspeedisupto238frames/s,whichalsoshowscertainsuperiorityoverthemainstreamobjectdetectionalgorithm.
作者：白云刘康Author：BAIYunLIUKang
作者单位：内蒙古工业大学航空学院,内蒙古呼和浩特010051
刊名：电子设计工程 ISTIC
Journal：ElectronicDesignEngineering
年，卷(期)：2024, 32(14)
分类号：TN919.8
关键词：运动目标检测全局注意力机制检测尺度损失函数
Keywords：movingobjectsdetectionGlobalAttentionMechanismdetectionscalelossfunction
机标分类号：TP391.41TP277TN911.73
在线出版日期：2024年7月19日
基金项目：内蒙古自治区关键技术攻关计划项目，内蒙古自治区直属高校基本科研业务费项目，内蒙古自治区高等学校科学研究项目，内蒙古工业大学科学研究项目基于改进YOLOv5s的自动驾驶中运动目标检测方法[
期刊论文]电子设计工程--2024, 32(14)白云刘康针对自动驾驶领域运动目标检测存在目标相互遮挡、对小目标漏检误检严重、实时性和鲁棒性较差等问题,提出一种基于改进YOLOv5s的方法.将全局注意力模块嵌入到主干网络C3结构的残差块中,增强了网络的整体特征提取能力;将原...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进YOLOv5s的自动驾驶中运动目标检测方法Moving objects detection method in automatic driving based on improved YOLOv5s
基于改进YOLOv5s的自动驾驶中运动目标检测方法.pdf
页:
[1]