典型文献
基于改进YOLOv5的车辆目标检测研究
文献摘要：
针对现有目标检测算法在自动驾驶等领域的车辆目标检测中存在检测精度不高,实时性和鲁棒性较差等问题,本文提出一种基于YOLOv5的车辆目标检测方法.本文在YOLOv5s网络模型框架下,引入一次性聚合(OSA)模块优化主干网络结构,提升网络特征提取能力;并采用非局部注意力机制进行特征增强;同时利用加权非极大值抑制方法实现检测框筛选.实验结果表明,在自制车辆检测数据集上,改进网络模型与原YOLOv5s模型相比,平均准确率均值(mAP)提升3％,不同目标类检测的平均准确率(AP)均得到提升,且检测速度满足实时性要求,对于密集车辆和不同光照条件下均能较好实现车辆目标检测.
文献关键词：
车辆检测;多层特征融合;特征增强;非极大值抑制
中图分类号：
作者姓名：
章程军;胡晓兵;牛洪超
作者机构：
四川大学机械工程学院,成都610065;四川大学宜宾园区,宜宾644000
文献出处：
引用格式：
[1]章程军;胡晓兵;牛洪超-.基于改进YOLOv5的车辆目标检测研究)[J].四川大学学报（自然科学版）,2022(05):73-81
A类：
B类：
车辆目标检测,目标检测算法,自动驾驶,检测精度,目标检测方法,YOLOv5s,模型框架,OSA,主干网络,网络特征,特征提取能力,非局部注意力机制,特征增强,非极大值抑制,抑制方法,车辆检测,检测数据集,进网,平均准确率,mAP,检测速度,光照条件,多层特征融合
AB值：
0.337775
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
