| 改进YOLOv5s的自动驾驶汽车目标检测 |
| |
| 引用本文： | 余以春,李明旭.改进YOLOv5s的自动驾驶汽车目标检测[J].计算机系统应用,2023,32(9):97-105. |
| |
| 作者姓名： | 余以春 李明旭 |
| |
| 作者单位： | 西南交通大学 计算机与人工智能学院, 成都 611756 |
| |
| 基金项目： | 国家自然科学基金(61961038) |
| |
| 摘 要： | 在自动驾驶领域, 由于道路背景复杂以及小目标信息缺失, 现有目标检测算法存在检测精度低的问题. 由于车载摄像头视角较为固定, 道路上的目标在图像空间中的分布具有一定的规律, 可以为自动驾驶汽车进行目标检测提供更为丰富的信息. 因此, 提出一种改进YOLOv5s的空间特征增强网络(SE-YOLOv5s). 在YOLOv5s的颈部网络中添加位置注意力模块(location attention module, LAM), 该模块能够根据道路目标在图像中的分布特征进行加权, 增强网络对目标类别位置分布的感知和定位能力. 设计一种小目标增强模块(small target enhancement module, STEM), 将浅层特征和深层特征进行融合, 可以获得更丰富的小目标语义信息和空间细节信息, 提高小目标检测效果. 实验结果表明, 改进模型对不同尺度目标检测精度均有所提高, APS提高2.8%, APM提高2.5%, APL提高2%.
|
| 关 键 词： | 目标检测 注意力机制 小目标 YOLOv5 |
| 收稿时间： | 2023/2/12 0:00:00 |
| 修稿时间： | 2023/3/8 0:00:00 |
Improved YOLOv5s for Autonomous Vehicle Target Detection |
| |
| YU Yi-Chun,LI Ming-Xu.Improved YOLOv5s for Autonomous Vehicle Target Detection[J].Computer Systems& Applications,2023,32(9):97-105. |
| |
| Authors: | YU Yi-Chun LI Ming-Xu |
| |
| Affiliation: | School of Computing and Artificial Intelligence, Southwest Jiaotong University, Chengdu 611756, China |
| |
| Abstract: | |
| |
| Keywords: | target detection attention mechanism small target YOLOv5 |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
