换一批摘要针对道路交通环境中车辆及行人目标较小或被遮挡造成的检测精度低以及误检、漏检问题,提出一种基于改进YOLOv5s模型的车辆及行人目标检测方法.针对小目标和遮挡目标,引入SIoU边界框损失函数,增加小目标检测层,增强对小尺度特征的获取;改进特征金字塔结构,增加横向特征图传递,并使用CSP stage替换C3_F特征提取网络,使其获得更多的语义信息和图形信息;改进后处理NMS算法,优化冗余边界框剔除方法,筛选出高质量检测结果.试验结果表明:改进YOLOv5s模型算法的Precision、Recall、mAP@0.5和mAP@0.5:0.95指标均优于Faster-RCNN、YOLOv3-tiny和YOLOv8s算法,与原YOLOv5s模型算法相比Precision下降了0.4％,但Recall、mAP@0.5和mAP@0.5:0.95提高了3.4％、2.1％和6.0％,分别达到了86.1％、92.9％和70.0％,对小目标和遮挡目标的检测效果明显提高,证明此改进方法有效解决了对小目标和遮挡目标检测精度低以及误检、漏检问题.
更多相关知识
关键词
智能交通系统交通安全YOLOv5s模型小目标遮挡目标特征金字塔后处理NMS算法intelligent transportation systemtraffic safetyYOLOv5s modelsmall objectsoccluded objectsfeature pyramidpost-processing NMS algorithm
分类号
U495
栏目名称
DOI
10.11713/j.issn.1009-4822.2024.02.018
发布时间
2024-02-23（万方平台首次上网日期，不代表论文的发表时间）
- 浏览13
- 被引23
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
