基于YOLOv5的道路目标检测算法研究

作者：王鹏; 王玉林; 焦博文; 王洪昌; 于奕轩

来源：计算机工程与应用, 2022, 1-10.

• 深度学习
• 目标检测
• PANet网络结构
• 注意力机制
• 交并比

为提高道路目标检测精度，本文基于YOLOv5网络模型，引入自底向上的PANet网络结构，以增强特征融合；采用具有方向感知与位置信息的目标注意力机制，以增强对目标位置的感知能力；并增加了一个YOLO检测头，以增强对小目标的学习能力；采用改进的CIOU(ICIOU)目标回归损失函数；使得整个模型对图像特征的学习能力和目标检测精度显著提升。实验表明，本文模型在华为SODA10M数据集下的mAP达到了68.2%，相比原YOLOv5网络mAP提升了15.4%，检测精度得到了明显提升。在此基础上，本文对图像尺寸对检测时间和精度的影响进行探索，结果表明适当增大图像输入尺寸，可以在检测速度下降不大(23.3%)的前提下，使得mAP明显提升(3.8%)。

• 单位
  机电工程学院; 青岛大学