典型文献
基于YOLOv5s的高速公路车辆实时检测模型
文献摘要：
针对高速复杂环境下YOLOv5s算法细节特征学习能力弱、冗余信息过多、关键特征融合不足导致车辆目标检测精度低的问题,本文提出一种基于YOLOv5s的高速公路车辆实时检测模型(YOLOv5s-CRCP).首先,在残差单元中嵌入卷积注意力模块,强化学习细节特征,抑制冗余信息干扰;然后,将卷积注意力融入金字塔网络中用以区分不同重要信息,加强关键特征融合.在构建的宁夏高速公路车辆数据集上进行实验,平均检测精度达到91.2％,高出原算法4.1％.实验结果表明,相较于YOLOv5s和主流实时车辆目标检测算法,本文方法具有更好的检测性能.
文献关键词：
注意力机制;YOLOv5s;车辆目标检测;智能交通;神经网络
中图分类号：
作者姓名：
刘元峰;姬海军;刘立波
作者机构：
宁夏大学信息工程学院,宁夏银川750021;宁夏路网监测与应急处置中心,宁夏银川750021
文献出处：
引用格式：
[1]刘元峰;姬海军;刘立波-.基于YOLOv5s的高速公路车辆实时检测模型)[J].液晶与显示,2022(09):1228-1241
A类：
B类：
YOLOv5s,实时检测,检测模型,速复,复杂环境,细节特征,特征学习能力,冗余信息,关键特征,特征融合,车辆目标检测,检测精度,CRCP,残差单元,卷积注意力模块,强化学习,金字塔网络,重要信息,宁夏高速公路,辆数,目标检测算法,检测性能,注意力机制,智能交通
AB值：
0.353591
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。
