首页|基于改进YOLOv5s的车辆目标检测方法

基于改进YOLOv5s的车辆目标检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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.
Vehicle object detection methods based on improved YOLOv5s

machine visionsmall target detectionattention mechanismsfeature fusion

张皓帝、张瑞乾、童亮、陈勇

展开 >

北京信息科技大学机电工程学院,北京 100192

机器视觉 小目标检测 注意力机制 特征融合

新能源汽车北京实验室建设项目

PXM2020＿014224

2023

10.3969/j.issn.1674-8425(z).2023.07.009

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(13)
  • 1
  • 7