典型文献
基于YOLOv5的高速公路目标检测算法的设计与实践
文献摘要：
针对高速公路小目标检测召回率低、准确率低等问题,提出一种基于YOLOv5改进的高速公路小目标检测算法.针对数据集样本不均衡问题,引入克隆数据增强对数据集进行增广;通过K-means算法以IOU作为度量值,聚类产生适合该文数据集的Anchors boxes;通过添加注意力模块,加强通道注意力,降低模型噪声并提高准确率;针对检测小目标困难问题,引入三层特征融合机制,加强模型对浅层信息特征的提取能力;通过增加检测头,提高对小目标特征的提取能力.实验结果表明,改进后的YOLOv5模型在自建数据集上mAP达到了0.68,Recall达到了0.64,对小目标有很好的检测效果.
文献关键词：
YOLO;注意力机制;小目标检测;特征融合
中图分类号：
作者姓名：
杨兴龙;蒋佳彤;韩嘉熠;颜新云
作者机构：
金陵科技学院,江苏南京211100
文献出处：
引用格式：
[1]杨兴龙;蒋佳彤;韩嘉熠;颜新云-.基于YOLOv5的高速公路目标检测算法的设计与实践)[J].电脑知识与技术,2022(25):103-106
A类：
B类：
YOLOv5,高速公路,目标检测算法,设计与实践,小目标检测,召回率,样本不均衡,均衡问题,数据增强,增广,means,IOU,合该,Anchors,boxes,注意力模块,通道注意力,困难问题,特征融合,融合机制,信息特征,特征的提取,检测头,小目标特征,自建数据集,mAP,Recall,标有,检测效果,注意力机制
AB值：
0.404887
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。
