基于YOLOv5的改进型夜间车辆检测算法研究

作者：单威; 李国新; 朱东弼^*

来源：信息与电脑(理论版), 2023, 35(04): 190-193.

• YOLOv5x
• 夜间车辆检测
• K-means++
• 空洞空间金字塔池化(ASPP)

基于视觉图像的城市道路车辆检测是计算机视觉领域重要的研究课题之一。目前，其在白天环境下已取得良好的成果，但夜间环境的车辆检测问题仍存在许多研究难点。文章主要基于深度学习中目标检测（YOLOv5）算法进行改进，使用K-Means++算法获取先验框，提高收敛速度和检测准确率，使用空洞空间金字塔池化（Atrous Spatial Pyramid Pooling,ASPP）替换原模型的快速空间金字塔池化（Spatial Pyramid Pooling-Fast,SPPF），提高了召回率和平均准确率。实验表明，提出的YOLOv5x+ASPP较原网络YOLOv5x在驾驶数据集BDD100K上平均准确率提高了2.1个百分点。

• 单位
  延边大学