-
题名基于改进YOLOv5车辆检测方法
- 1
-
-
作者
吕宏泽
李继财
杨乔楠
陈学永
李西兵
-
机构
福建农林大学机电工程学院
福建农林大学福建省农业信息感知技术重点实验室
山东劳动职业技术学院智能制造系
-
出处
《计算机工程与设计》
北大核心
2024年第6期1705-1712,共8页
-
基金
福建农林大学科技创新专项基金项目(CXZX2020132B)
福建省自然科学基金计划基金项目(2022J01609)。
-
文摘
针对现有目标检测在智能交通系统和自动驾驶等领域存在车辆目标检测精度低、鲁棒性较差等问题,提出一种基于YOLOv5的车辆目标检测算法。在YOLOv5s网络模型框架中,添加注意力机制增强特征,提取重要特征;添加小目标检测层提升对遮挡重叠弱小目标识别的准确率;引入金字塔池化(SPPFCSPC),提高网络空间特征提取能力;引入损失函数(SIoU_Loss)加快边界框回归速率,提高定位精度,消除重叠检测。基于自制车辆检测数据集进行实验,其结果表明,改进网络模型与原YOLOv5s网络模型相比,不同目标类的平均准确率均有明显提高,平均准确率均值提升3.25%,查准率提高4.14%,召回率提高3.05%,检测速度满足实时性要求。
-
关键词
车辆检测
深度学习
损失函数
特征增强
图像处理
神经网络
智能交通
-
Keywords
vehicle detection
deep learning
loss function
feature enhancement
image processing
intelligent transportation
neural networks
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
