基于YOLOv5的轻量级雾天目标检测方法 |
| |
引用本文: | 赖镜安,陈紫强,孙宗威,裴庆祺.基于YOLOv5的轻量级雾天目标检测方法[J].计算机工程与应用,2024(6):78-88. |
| |
作者姓名: | 赖镜安 陈紫强 孙宗威 裴庆祺 |
| |
作者单位: | 1. 桂林电子科技大学信息与通信学院;2. 西安电子科技大学通信工程学院 |
| |
摘 要: | 针对雾天场景下目标检测算法精度较低、模型复杂度较高,提出一种基于YOLOv5的轻量级雾天目标检测方法。采用感受野注意力模块(RFAblock)通过交互感受野特征信息,对感受野添加注意力机制,提高特征提取能力;采用轻量化网络Slimneck作为颈部结构,在保持精度的同时降低模型参数和复杂度;在损失函数中引入真实框与预测框之间的角度向量,提高训练速度和推理的准确性;采用PNMS(precise non-maximum suppression)改进候选框选择机制,降低车辆遮挡情况下的漏检率。在真实雾天数据集RTTS和合成雾天数据集Foggy Cityscapes上进行测试,实验结果表明,与YOLOv5l相比mAP50分别提高了4.9和3.5个百分点,模型参数量仅为YOLOv5l的54.6%。
|
关 键 词: | 目标检测 深度学习 雾天场景 轻量化 注意力机制 |
|
|