基于改进YOLOv5的道路目标检测

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。