典型文献
一种基于改进YOLOv5s的车道线检测方法
文献摘要：
为提高车道线检测的实时性与准确性,在机器学习的框架下,提出了一种基于改进的YOLOv5s模型检测方法.该方法在图像预处理后增加了一个二值化通道与原图像一起更新数据集;为了高效提取车道线特征,加入anchor-free改进其锚框问题;为节省GPU内存、增强机器对目标的识别能力,采用mixup与mosaic结合的方式增强数据;为加快收敛速度和提高识别准确率,将损失函数改进为EIOU.实验结果表明,所提检测算法能够实现较为准确的车道线检测,实时性和准确性比YOLOv3的高很多,mAP增加了约30％,与YOLOv5s相比,其mAP约增加了11％,且改进方法具有良好的鲁棒性.
文献关键词：
YOLO系列;车道线检测;EIOU损失函数;anchor-free;混合数据增强
中图分类号：
作者姓名：
韩逸;舒小华;杨明俊
作者机构：
湖南工业大学 轨道交通学院,湖南 株洲 412007
文献出处：
引用格式：
[1]韩逸;舒小华;杨明俊-.一种基于改进YOLOv5s的车道线检测方法)[J].湖南工业大学学报,2022(03):51-58
A类：
B类：
YOLOv5s,车道线检测,高车,模型检测,图像预处理,二值化,原图,新数据,高效提取,线特征,anchor,free,锚框,GPU,识别能力,mixup,mosaic,快收敛,收敛速度,识别准确率,损失函数,EIOU,检测算法,YOLOv3,mAP,改进方法,混合数据增强
AB值：
0.413631
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。
