典型文献
基于改进YOLOv5的交通车辆目标检测
文献摘要：
随着城市人口的不断增加,不同的车辆使得交通状况越来越复杂.对此番现象进行研究之后,提出了一种改进的YOLOv5深度神经网络模型来实现交通中的车辆识别与检测,将有效帮助交通管理部门分析车辆和行人的运行状况.在分析YOLOv5算法的核心后,并针对交通目标尺度变化大的特点,充分利用了YOLOv5算法检测轻量化、速度快、实时性强的性质,并在此基础上,用FPN架构改进网络结构以便适应目标尺度的剧烈变化,用改进的K-means算法选出更加适合的初始候选框,不仅提高了运行速度,而且满足了实时性和准确性的要求,最终获得了较为成功的目标检测效果及其方案.
文献关键词：
YOLOv5;卷积神经;目标检测;车辆识别
中图分类号：
作者姓名：
袁浩然;杨晓玲;江伟欣
作者机构：
珠海科技学院电子信息工程学院 广东珠海 519041
文献出处：
引用格式：
[1]袁浩然;杨晓玲;江伟欣-.基于改进YOLOv5的交通车辆目标检测)[J].信息技术与信息化,2022(06):12-15
A类：
B类：
YOLOv5,交通车辆,车辆目标检测,城市人口,交通状况,此番,深度神经网络模型,车辆识别,交通管理,运行状况,交通目标,标尺,尺度变化,FPN,进网,means,候选框,运行速度,检测效果
AB值：
0.37671
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。
