基于改进YOLOv5的道路目标检测 |
| |
引用本文: | 吴丽娟,黄尧,关贵明.基于改进YOLOv5的道路目标检测[J].沈阳师范大学学报(自然科学版),2023(1):85-91. |
| |
作者姓名: | 吴丽娟 黄尧 关贵明 |
| |
作者单位: | 1. 沈阳师范大学物理科学与技术学院;2. 中国人民解放军31441部队 |
| |
基金项目: | 辽宁省教育厅科研项目(LFW202003); |
| |
摘 要: | 为提高自动驾驶中的道路目标检测精度,设计了一种基于YOLOv5的道路目标检测模型。该模型在YOLOv5s的网络模型基础上,将原始的初始锚框聚类算法改为K-means++算法来减小随机带来的聚类误差;并在Backbone中SPP模块之前引入SENet注意力机制,以增强道路目标重要特征并抑制一般特征,达到提高检测网络对道路目标的检测能力。在VOC2012改进数据集上训练、测试,基于改进的YOLOv5s的模型比原始YOLOv5s模型平均准确精度提高了2.4%。实验结果表明,改进的YOLOv5s模型能较好地满足道路目标检测的精度要求。
|
关 键 词: | YOLOv5 道路目标检测 聚类算法 注意力机制 |
|
|