文档名：结合注意力机制的YOLOv5红绿灯检测算法
摘要：针对现有交通灯算法对小目标、遮挡目标检测识别效果不佳等问题,提出一种基于注意力与多尺度特征融合的YOLOv5检测算法(YOLOv5detectionalgorithmbasedonattentionandmulti-scalefeaturefusion,AM-YOLOv5).通过在残差结构中引入坐标注意力模块,提高对小目标的特征提取能力;设计四尺度检测层,通过引入更浅层特征改善对小尺度目标的检测性能,提高检测精度;针对引入注意力和检测层导致计算量增大、速度降低的问题,采用分布移位卷积替换部分主干卷积的方法,简化模型,提升速度.实验结果表明:该算法在Lara数据集上平均精度均值达到90.8％,相较于经典YOLOv5算法,精度提升2.7％,速度达到59.9FPS,在复杂恶劣环境下的BDD100K数据集上,精度提升3.6％,速度达到34.8FPS,具有良好的检测效果,能较好地满足交通灯的实时检测.
作者：邓天民 王春霞 刘金凤 刘旭慧Author：DENGTianmin WANGChunxia LIUJinfeng LIUXuhui
作者单位：重庆交通大学交通运输学院,重庆400074
刊名：重庆理工大学学报 ISTIC
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(8)
分类号：TP391.4
关键词：交通灯检测 注意力机制 多尺度检测 深度学习
机标分类号：TP391TP183TN912.34
在线出版日期：2023年5月17日
基金项目：国家重点研发计划，重庆市技术创新与应用发展专项重点项目，川渝联合实施重点研发项目，重庆市教委科学技术研究项目结合注意力机制的YOLOv5红绿灯检测算法[
期刊论文] 重庆理工大学学报--2023, 37(8)邓天民 王春霞 刘金凤 刘旭慧针对现有交通灯算法对小目标、遮挡目标检测识别效果不佳等问题,提出一种基于注意力与多尺度特征融合的YOLOv5检测算法(YOLOv5detectionalgorithmbasedonattentionandmulti-scalefeaturefusion,AM-YOLOv5).通过...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
结合注意力机制的YOLOv5红绿灯检测算法 YOLOv5 traffic light detection algorithm combined with attention mechanism
结合注意力机制的YOLOv5红绿灯检测算法.pdf
- 文件大小:
- 3.42 MB
- 下载次数:
- 60
-
高速下载
|
