交通场景下基于YOLOv5的目标检测与分割算法

作者：杨奎河; 张宇

来源：长江信息通信, 2023, 36(04): 48-50.

• 目标检测
• 语义分割
• 交通驾驶场景
• YOLOv5
• 多尺度融合

目标检测和语义分割被广泛应用在自动驾驶领域，包括对车辆、行人、车道线的检测。而目前大部分算法仅仅实现一种任务，不能满足对多重环境信息感知的需求。针对上述问题，提出了一种联合训练目标检测和语义分割的YOLOSeg算法。使用MobileNetv3作为YOLOSeg中的特征提取网络，减少了模型的参数量。PANet用于融合不同尺度的特征图，增加对小目标信息信息的捕捉能力。在语义分割分支中利用空洞卷积池化金字塔增加感受野，通过双线性插值得到图像分割结果。实验结果表明，该方法图像分割速度相较RefineNet提升35帧/s。平均交并比提升4.9%。目标检测的mAP@0.5相较YOLOv5s提升1.3%。YOLOSeg平衡了在复杂交通场景中对检测精度和速度的要求。

• 单位
  河北科技大学