-
题名改进YOLOv5s的道路目标检测算法
被引量：5
- 1
-
-
作者
周晴
谭功全
尹宋麟
李易念
魏丹芹
-
机构
四川轻化工大学自动化与信息工程学院
人工智能四川省重点实验室
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2023年第5期680-690,共11页
-
基金
四川省科技厅项目(No.2020JDJQ0075)
人工智能四川省重点实验室科研项目(No.2019RYJ08)。
-
文摘
针对目前主流的目标检测算法存在模型参数过大、不能很好地移植到移动设备端之中应用于辅助驾驶这一问题,本文提出了一种改进YOLOv5s的目标检测算法。首先,将YOLOv5s算法的主干网络CSPDarknet替换为轻量化网络模型MobileNet-V3,解决了网络模型较大、参数较多的问题,减少了网络的深度并提升了数据推断速度;其次,对特征提取网络采用加权双向特征金字塔结构Bi-FPN加强特征提取,融合多尺度特征进而扩大感受野;最后,对损失函数进行优化,使用CIoU为边界框回归损失函数,改善模型原始GIoU收敛速度较慢问题,使预测框更加符合于真实框,同时降低网络训练难度。实验结果表明,改进后算法在KITTI数据集上的mAP相较于YOLOv5s、SSD、YOLOv3、YOLOv4_tiny分别提升了4.4、15.7、12.4、19.6,模型大小相较于YOLOv5s与轻量级网络YOLOv4_tiny分别减少了32.4 MB和21 MB,同时检测速度分别提升了17.6%与43%。本文改进后的算法满足模型小、精确度高的要求,为辅助驾驶中道路目标检测提升检测速度与精度提供了一种解决方案。
-
关键词
MobileNetV3
目标检测
YOLOv5
特征提取
CIoU
-
Keywords
MobileNetV3
object detection
YOLOv5
feature extraction
CIoU
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
