科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着社会经济的不断发展，车辆数目急剧增加，车辆检测技术在众多领域中发挥着重要作用，如何在复杂场景下对车辆实时检测成为当下难点之一。针对复杂场景车辆检测任务本文提出一种基于YOLOv5s的改进算法，在YOLOv5s网络基础上添加卷积块注意力模块，同时加深网络主干以提取更丰富的特征信息。在公共数据集BDD100K中获取所需的数据标签后进行了实验验证，实验结果表明，本文提出的优化模型在以1280×736分辨率输入图像的平均检测速度为23 ms/帧，模型在保证实时性的前提下较YOLOv5s有4.6%的精度提升，并且在现实场景中，光线不足、车辆目标小及遮挡较多等复杂情况下具有更优的检测效果。
-
单位自动化学院; 江西理工大学
