典型文献
改进YOLOv5s的航拍图像车辆检测研究
文献摘要：
无人机视角下的航拍图像车辆检测任务存在场景复杂容易误检漏检,小尺度目标多的问题,兼顾车辆检测实时性要求,基于轻量高效的YOLOv5s网络提出一种改进网络.首先引入轻量化特征增强表示模块,特征增强表示模块基于特征内容在更大的感受野聚合上下文信息,降低了网络的误检率与漏检率;然后根据车辆目标的尺度分布,重新设计特征融合网络,使用特征增强表示模块进一步提取有利于小目标检测的更高分辨率的特征图,同时裁剪无效检测分支;最后使用Kmeans++算法聚类anchor,得到更优的锚框参数.改进后的网络均值平均检测精度(mAP)达到67.3％,相比YOLOv5s网络提升了 5.5％,参数量减少20.4％,速度达81FPS.网络保持了 YOLOv5s网络的轻量高效,得到了优于YOLOv5s的检测精度,能够实现更准确的实时车辆检测.
文献关键词：
YOLOv5s;车辆检测;特征增强表示;小目标;Kmeans++
中图分类号：
作者姓名：
龙赛;宋晓凤;张苏;张青林
作者机构：
华中师范大学物理科学与技术学院,武汉 430079;上海航天技术研究院,上海 201109
文献出处：
引用格式：
[1]龙赛;宋晓凤;张苏;张青林-.改进YOLOv5s的航拍图像车辆检测研究)[J].激光杂志,2022(10):22-29
A类：
特征增强表示,81FPS
B类：
YOLOv5s,航拍图像,车辆检测,检漏,小尺度目标,进网,量化特征,感受野,上下文信息,误检率,漏检率,重新设计,设计特征,特征融合网络,使用特征,小目标检测,特征图,裁剪,Kmeans++,anchor,锚框,检测精度,mAP,参数量
AB值：
0.279953
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。
