改进YOLOv5网络模型的车位检测方法

作者：马中原; 彭育辉^*; 黄炜

来源：福州大学学报(自然科学版), 2023, 51(03): 379-386.

• 车位检测
• YOLOv5
• 方位回归
• Ghost模块
• ECA注意力机制

针对目前车位检测方法效率低的问题，提出一种轻量级车位检测方法OG-YOLOv5.首先，基于YOLOv5网络添加车位分隔线方位回归分支，实现车位方位的准确预测，可直接根据网络预测结果推断完整车位信息；其次，通过检测尺度裁剪、 Ghost模块重构网络实现模型轻量化；最后，通过在网络主干中引入ECA注意力机制、优化损失函数提高目标预测精度.通过对比实验，结果表明，所提OG-YOLOv5网络的mAP@0.5达到98.8%,模型参数量和计算量仅为原模型的32.0%和28.3%,在GPU和CPU上的检测时间分别减少16.2%和28.1%,车位检测准确率和召回率分别达到97.75%和96.87%.

• 单位
  福州大学; 自动化学院