典型文献
基于改进YOLOv5算法的车辆目标检测
文献摘要：
为了解决车辆目标检测中准确率低的问题,提出了一种基于改进YOLOv5算法的车辆目标检测.改进后的YOLOv5算法主要是在原来的基础上通过K-means聚类的方法对数据集中的目标边框进行重新聚类、并将CIoU损失函数和DIoU_nms应用于YOLOv5算法来提高目标识别效果.改进后的YOLOv5算法,目标检测mAP达到了85.8％,比改进前的YOLOv5算法提升了1.3％.
文献关键词：
目标检测;YOLOv5;深度学习
中图分类号：
作者姓名：
刘超阳;曲金帅;范菁;左金花;唐玉敏
作者机构：
云南民族大学 云南省高校信息与通信安全灾备重点实验室,云南 昆明650500
文献出处：
引用格式：
[1]刘超阳;曲金帅;范菁;左金花;唐玉敏-.基于改进YOLOv5算法的车辆目标检测)[J].云南民族大学学报（自然科学版）,2022(06):749-754
A类：
B类：
YOLOv5,车辆目标检测,means,边框,CIoU,损失函数,DIoU,nms,目标识别,mAP,进前
AB值：
0.38333
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。
