改进YOLOv5算法下的无人驾驶道路行人识别研究
文档名：改进YOLOv5算法下的无人驾驶道路行人识别研究
摘要：基于无人驾驶领域的飞速发展,为提高道路行人目标检测的速度和精度,提出一种基于YOLOv5网络改进的YW-YOLO的道路行人目标检测方法,在YOLOv5模型的neck结构中改入RepGFPN,充分交换高级语义信息和低级空间信息,添加自适应融合机制,引入SimAM注意力模块机制,提高算法的特征提取能力,在损失函数方面,使用OptimalTransportAssignment优化损失函数.实验结果表明,所提算法与原算法相比,在道路行人类别数据集上识别精确率由38.1%提升到52.6%,检测速度由29.4fps提高到30.8fps,具有更好的检测效果.
Abstract：Basedontherapiddevelopmentoftheunmannedfield,inordertoimprovethespeedandaccuracyofroadpedestriantargetdetection,aroadpedestriantargetdetectionmethodbasedonYOLOv5networkimprovedbyYW-YOLOisproposed,whichischangedintoRepGFPNintheYOLOv5model'sneckstructure,whichfullyexchangesthehigh-levelsemanticinformationandthelow-levelspatialinformation,addstheadaptivefusionmechanism,introducestheSimAMattentionmodulemechanism,whichimprovesthefeatureextractionabilityofthealgorithm,andintermsoflossfunction,optimaltransportassignmentisusedtooptimizethelossfunction.Theexperimentalresultsshowthattheproposedalgorithminthispaper,comparedwiththeoriginalalgorithm,therecognitionaccuracyrateontheroadpedestriancategorydatasetisimprovedfrom38.1%to52.6%,detectionspeedincreasedfrom29.4fpsto30.8fps,whichhasabetterdetectioneffect.
作者：王亚鹏韩文花Author：WangYapengHanWenhua
作者单位：上海电力大学自动化工程学院上海200090
刊名：国外电子测量技术 ISTIC
Journal：ForeignElectronicMeasurementTechnology
年，卷(期)：2024, 43(6)
分类号：TP181
关键词：行人检测YOLOv5RepGFPN注意力机制OTA
Keywords：pedestriandetectionYOLOv5RepGFPNattentionmechanismOTA
机标分类号：TP391TH16R531.3
在线出版日期：2024年7月12日
基金项目：改进YOLOv5算法下的无人驾驶道路行人识别研究[
期刊论文]国外电子测量技术--2024, 43(6)王亚鹏韩文花基于无人驾驶领域的飞速发展,为提高道路行人目标检测的速度和精度,提出一种基于YOLOv5网络改进的YW-YOLO的道路行人目标检测方法,在YOLOv5模型的neck结构中改入RepGFPN,充分交换高级语义信息和低级空间信息,添加自适应...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
改进YOLOv5算法下的无人驾驶道路行人识别研究Pedestrian recognition research on unmanned roads with improved YOLOv5 algorithm
改进YOLOv5算法下的无人驾驶道路行人识别研究.pdf
页:
[1]