典型文献
基于YOLOv5的高速公路小目标车辆逆行检测模型
文献摘要：
针对高速公路视频数据中道路场景复杂、远端车辆目标小等现象,导致车辆逆行检测模型准确率低的问题,提出了一种基于YOLOv5和DeepSORT的CECAY5D模型框架.框架中设计了一种通道-空间注意力单元CECAC3,用于增强模型对小目标聚集区域的关注程度,提升小目标车辆检测的精度.CECAC3注意力单元是在有效通道注意力模块基础上增加了C3残差模块和空间注意力模块.在高速公路车辆逆行视频数据集下进行对比试验,实验结果表明,逆行检测模型CECAY5D在高速公路监控视频下的检测率和漏检率分别为90％和10％,相比于YOLOv5+DeepSORT模型,检测率提高了 25％,漏检率降低了 25％,因此该模型具有较高的检测率和较低的漏检率.
文献关键词：
车辆逆行检测;小目标检测;注意力机制;YOLOv5;高速公路
中图分类号：
作者姓名：
许璧麒;马志强;宝财吉拉呼;李雷孝;万剑雄;王洪彬
作者机构：
内蒙古工业大学数据科学与应用学院 呼和浩特010080;内蒙古自治区基于大数据的软件服务工程技术研究中心 呼和浩特010080
文献出处：
引用格式：
[1]许璧麒;马志强;宝财吉拉呼;李雷孝;万剑雄;王洪彬-.基于YOLOv5的高速公路小目标车辆逆行检测模型)[J].国外电子测量技术,2022(11):146-153
A类：
车辆逆行检测,CECAY5D,CECAC3,YOLOv5+DeepSORT
B类：
高速公路,目标车辆,检测模型,视频数据,中道,道路场景,远端,模型准确率,模型框架,中设计,空间注意力,增强模型,聚集区,车辆检测,通道注意力模块,残差模块,监控视频,检测率,漏检率,小目标检测,注意力机制
AB值：
0.225616
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。
