基于改进YOLOv5的车辆属性检测

作者：刘俊; 钟国韵^*; 黄斯雯; 刘麒麟

来源：电子技术应用, 2022, 48(07): 19-24+29.

DOI：10.16157/j.issn.0258-7998.222802

• 车辆属性
• 目标检测
• YOLOv5

车辆属性检测是一个基础任务，其属性检测结果可以被应用到很多下游的交通视觉任务。提出了一种基于YOLOv5的车辆属性检测改进算法。针对检测目标较小的问题，加入了卷积注意力模块，让网络模型把更多的注意力放在小目标对象上；针对数据集样本种类较少的问题，改进了YOLOv5的马赛克数据增强方式；使用自门控激活函数Swish，起到抑制噪声、加快收敛速度并提升模型鲁棒性的作用。此外，还在公开车辆数据集VeRi-776的基础上进行了详细的车辆属性标注，构建了一个车辆属性数据集。实验结果表明，改进后的算法比原始YOLOv5的平均精确率提升了4.6%，能够准确地检测到车辆图像的通用属性，可以供下游任务使用。

• 单位
  东华理工大学