文档名：基于改进YOLOv5s的车辆目标检测方法
摘要：针对自动驾驶的小目标车辆漏检问题,提出了一种基于YOLOv5s改进的车辆检测算法.该算法采用加权双向特征金字塔网络(BiFPN)的融合计算方式,可以加强不同层次的信息融合,同时保留更多的浅层语义信息.通过在主干网络中引入多头自注意力机制来提升网络特征提取能力.实验结果表明:改进的网络模型与原YOLOv5s模型相比,均值平均精确率(mAP)提升了1.01%,其检测速度满足实时性需求,在不同光照条件下能够对小目标车辆进行有效的车辆目标检测.
作者：张皓帝 张瑞乾 童亮 陈勇Author：ZHANGHaodi ZHANGRuiqian TONGLiang CHENYong
作者单位：北京信息科技大学机电工程学院,北京100192
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(13)
分类号：TP391
关键词：机器视觉 小目标检测 注意力机制 特征融合
Keywords：machinevision smalltargetdetection attentionmechanisms featurefusion
机标分类号：
在线出版日期：2023年8月22日
基金项目：新能源汽车北京实验室建设项目基于改进YOLOv5s的车辆目标检测方法[
期刊论文] 重庆理工大学学报--2023, 37(13)张皓帝 张瑞乾 童亮 陈勇针对自动驾驶的小目标车辆漏检问题,提出了一种基于YOLOv5s改进的车辆检测算法.该算法采用加权双向特征金字塔网络(BiFPN)的融合计算方式,可以加强不同层次的信息融合,同时保留更多的浅层语义信息.通过在主干网络中引入...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的车辆目标检测方法 Vehicle object detection methods based on improved YOLOv5s
基于改进YOLOv5s的车辆目标检测方法.pdf
- 文件大小:
- 1.9 MB
- 下载次数:
- 60
-
高速下载
|
|
