典型文献
基于M-YOLO的自动驾驶下目标识别算法
文献摘要：
针对一阶段目标检测算法对自动驾驶领域中复杂场景下目标检测能力弱等缺点,提出一种基于改进YOLOv5的多层特征融合算法M-YOLO.为进一步增强网络的检测能力,分别融入具有多层网络细粒度的模块与改进的特征增强模块,通过增加检测头与改进的非极大值抑制算法来训练模型.实验结果表明,在BDD100K数据集上,M-YOLO相比原YOLOv5模型的平均准确率提升8.51％,其检测速度达到83 fps,在保证实时性的同时大幅度提升模型的准确率.
文献关键词：
自动驾驶;多层特征融合;特征增强;细粒度;非极大值抑制
中图分类号：
作者姓名：
牛洪超;胡晓兵;罗耀俊
作者机构：
四川大学 机械工程学院,四川 成都 610065;四川大学 宜宾产业技术研究院,四川 宜宾 644000
文献出处：
引用格式：
[1]牛洪超;胡晓兵;罗耀俊-.基于M-YOLO的自动驾驶下目标识别算法)[J].计算机工程与设计,2022(08):2213-2220
A类：
B类：
自动驾驶,目标识别算法,目标检测算法,复杂场景,检测能力,YOLOv5,多层特征融合,融合算法,多层网络,细粒度,特征增强模块,检测头,非极大值抑制,训练模型,BDD100K,平均准确率,准确率提升,检测速度,fps
AB值：
0.373322
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。
