典型文献
多尺度YOLOv5的交通灯检测算法
文献摘要：
交通灯检测作为自动驾驶任务中的关键技术,直接关系到智能汽车的行驶安全.针对交通灯尺度小、环境复杂造成的检测困难问题,提出一种多尺度YOLOv5的交通灯检测方法.首先使用复合数据增强方法对模型输入进行增强处理,增加输入的复杂性;然后设计多尺度代替固定尺度训练,均衡模型的学习能力;最后构建多尺度特征融合网络,将4倍、8倍、16倍和32倍下采样信息融合,建立多尺度检测层.为增强特征融合能力,引入远跳链接传递不同级别信息,直接提升了模型对小目标的检测能力.实验结果证明,在采集的数据集上,改进YOLOv5的检测速度最快可达到9.5ms,mAP达到99.8％,相比YOLOv5提高了17％,在Bosch数据集上,mAP增加了6.5％,实现了对交通灯的实时与高精度检测.
文献关键词：
目标检测;YOLOv5;交通灯检测;多尺度特征;实时检测
中图分类号：
作者姓名：
钱伍;王国中;李国平
作者机构：
上海工程技术大学电子电气工程学院,上海201620
文献出处：
引用格式：
[1]钱伍;王国中;李国平-.多尺度YOLOv5的交通灯检测算法)[J].软件导刊,2022(09):19-25
A类：
B类：
YOLOv5,交通灯检测,检测算法,自动驾驶,智能汽车,行驶安全,环境复杂,困难问题,数据增强,增强方法,模型输入,定尺,均衡模型,多尺度特征融合,特征融合网络,下采样,信息融合,多尺度检测,检测层,融合能力,同级,小目标,检测能力,检测速度,5ms,mAP,Bosch,高精度检测,目标检测,实时检测
AB值：
0.387837
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。
