基于YOLOv5s的高速公路车辆实时检测模型

作者：刘元峰; 姬海军; 刘立波^*

来源：液晶与显示, 2022, 37(09): 1228-1241.

• 注意力机制
• YOLOv5s
• 车辆目标检测
• 智能交通
• 神经网络

针对高速复杂环境下YOLOv5s算法细节特征学习能力弱、冗余信息过多、关键特征融合不足导致车辆目标检测精度低的问题，本文提出一种基于YOLOv5s的高速公路车辆实时检测模型（YOLOv5s-CRCP）。首先，在残差单元中嵌入卷积注意力模块，强化学习细节特征，抑制冗余信息干扰；然后，将卷积注意力融入金字塔网络中用以区分不同重要信息，加强关键特征融合。在构建的宁夏高速公路车辆数据集上进行实验，平均检测精度达到91.2%，高出原算法4.1%。实验结果表明，相较于YOLOv5s和主流实时车辆目标检测算法，本文方法具有更好的检测性能。