典型文献
基于改进YOLOv5s的复杂场景车辆检测方法
文献摘要：
随着社会经济的不断发展,车辆数目急剧增加,车辆检测技术在众多领域中发挥着重要作用,如何在复杂场景下对车辆实时检测成为当下难点之一.针对复杂场景车辆检测任务本文提出一种基于YOLOv5s的改进算法,在YOLOv5s网络基础上添加卷积块注意力模块,同时加深网络主干以提取更丰富的特征信息.在公共数据集BDD100K中获取所需的数据标签后进行了实验验证,实验结果表明,本文提出的优化模型在以1280×736分辨率输入图像的平均检测速度为23 ms/帧,模型在保证实时性的前提下较YOLOv5s有4.6％的精度提升,并且在现实场景中,光线不足、车辆目标小及遮挡较多等复杂情况下具有更优的检测效果.
文献关键词：
YOLOv5s;复杂场景;车辆检测;注意力机制
中图分类号：
作者姓名：
邝先验;刘平
作者机构：
江西理工大学电气工程与自动化学院,赣州 341000
文献出处：
引用格式：
[1]邝先验;刘平-.基于改进YOLOv5s的复杂场景车辆检测方法)[J].现代计算机,2022(07):47-52
A类：
B类：
YOLOv5s,复杂场景,车辆检测,辆数,实时检测,务本,改进算法,网络基础,加卷,卷积块注意力模块,特征信息,公共数据,BDD100K,数据标签,检测速度,ms,精度提升,现实场景,光线,遮挡,复杂情况,检测效果,注意力机制
AB值：
0.392946
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。
