首页|基于YOLOv5的车辆目标检测算法轻量化改进

基于YOLOv5的车辆目标检测算法轻量化改进

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统路端车辆目标检测算法参数多、检测速度较慢等问题，提出了基于YOLOv5的车辆目标检测算法轻量化改进。首先，选用轻量化EfficientnetV2卷积神经网络对原骨干网络进行重构，同时在网络中引入GAM注意力机制;其次，为平衡CIoU损失和IoU损失在损失函数中的权重，引入α-CIoU损失代替原有的CIoU损失;最后，使用soft-NMS算法替换原有的NMS非极大值抑制算法。结果表明:相比原算法，改进后算法的精度提升了2。51%，检测速度提升了 8。6%，模型大小降低了 31。7%;改进后的模型在提升检测速度的同时，还提高了路端车辆目标的检测性能。

梁奕延、陈昕、郑明祥、陈佳雯

展开 >

辽宁工业大学 汽车与交通工程学院,辽宁 锦州 121000

车辆目标检测 深度学习 YOLOv5算法 网络轻量化

辽宁省大学生创新训练计划项目

S202310154042

2024

汽车与新动力
上海内燃机研究所

汽车与新动力

影响因子：0.019
ISSN：2096-4870
年,卷(期)：2024.7(2)
  • 10