改进YOLOv5s的车辆目标检测算法研究与实现 |
| |
引用本文: | 周金治,景瑞琦,吴静,刘梦宇.改进YOLOv5s的车辆目标检测算法研究与实现[J].计算机与数字工程,2023(11):2546-2552+2579. |
| |
作者姓名: | 周金治 景瑞琦 吴静 刘梦宇 |
| |
作者单位: | 西南科技大学 |
| |
基金项目: | 国家自然科学基金项目(编号:61771411)资助; |
| |
摘 要: | 针对在实际交通场景中对车辆目标检测算法有占用资源小、保证实时性和准确率高的要求,提出了一种基于改进YOLOv5s的车辆目标检测算法。首先,引入GhostNet改进YOLOv5s的Backbone,降低了网络的计算量,提高了检测速度;其次,融合CBAM注意力机制,改善在各种天气、光照情况下难以被准确检测的问题;然后,使用Soft-NMS代替NMS,减少了交通拥堵等情况造成的漏检问题;最后,对改进后的算法进行了对比消融实验,验证其性能,再部署到嵌入式设备端测试。根据实验结果,改进算法在保证较高的平均精度的情况下,模型资源占用降低了34.76%,在嵌入式平台上的帧率可以达到29 frame/s,可以达到实际应用的要求。
|
关 键 词: | YOLOv5 目标检测 注意力机制 嵌入式平台 TensorRT |
|
|