重庆理工大学学报2023，Vol.37Issue(13) ：80-89.DOI:10.3969/j.issn.1674-8425(z).2023.07.009

基于改进YOLOv5s的车辆目标检测方法

Vehicle object detection methods based on improved YOLOv5s

张皓帝 张瑞乾 童亮 陈勇
重庆理工大学学报2023，Vol.37Issue(13) ：80-89.DOI:10.3969/j.issn.1674-8425(z).2023.07.009
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于改进YOLOv5s的车辆目标检测方法

Vehicle object detection methods based on improved YOLOv5s

张皓帝 1张瑞乾 1童亮 1陈勇1
扫码查看

作者信息

  • 1. 北京信息科技大学机电工程学院,北京 100192
  • 折叠

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.

关键词

机器视觉/小目标检测/注意力机制/特征融合

Key words

machine vision/small target detection/attention mechanisms/feature fusion

引用本文复制引用

基金项目

新能源汽车北京实验室建设项目(PXM2020＿014224)

出版年

2023
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
被引量1
参考文献量7
段落导航相关论文