首页|基于改进YOLOv5s的复杂场景车辆检测方法

基于改进YOLOv5s的复杂场景车辆检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着社会经济的不断发展,车辆数目急剧增加,车辆检测技术在众多领域中发挥着重要作用,如何在复杂场景下对车辆实时检测成为当下难点之一.针对复杂场景车辆检测任务本文提出一种基于YOLOv5s的改进算法,在YOLOv5s网络基础上添加卷积块注意力模块,同时加深网络主干以提取更丰富的特征信息.在公共数据集BDD100K中获取所需的数据标签后进行了实验验证,实验结果表明,本文提出的优化模型在以1280×736分辨率输入图像的平均检测速度为23 ms/帧,模型在保证实时性的前提下较YOLOv5s有4.6％的精度提升,并且在现实场景中,光线不足、车辆目标小及遮挡较多等复杂情况下具有更优的检测效果.
Vehicle Detection Method in Complex Scene Based on Improved YOLOv5s

邝先验、刘平

展开 >

江西理工大学电气工程与自动化学院,赣州 341000

YOLOv5s 复杂场景 车辆检测 注意力机制

国家自然科学基金

51268017

2022

10.3969/j.issn.1007-1423.2022.07.008

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(7)
  • 2
  • 5