基于超像素分割的车辆检测算法

随着我国落地机动车数量增加，路面交通压力也逐步增加，采用人工智能方法对车辆进行快速识别，从而获得车辆和路况等信息具有重要意义。针对SLIC算法在目标与环境颜色或亮度极度相似时效果不佳的问题，文章考虑车辆具有对称性和轮廓等特征，提出一种基于自适应的超像素分割车辆检测算法。在原有算法引入变量λ,用于衡量亮度与颜色之间的重要性，改善SLIC模型。论文选定了BIT-vehicle数据集在YOLOv5模型进行实验。此算法能有效提高YOLOv5模型在车辆识别的性能，实验结果表明对比未处理的模型精度提高1%,全类平均精度提高1.3%。