YRNet:一种基于混合神经网络的多目标车辆检测方法

作者：程家镯; 吴训成^*; 武建龙; 武鹏柯

来源：激光杂志, 2023, 44(01): 48-55.

DOI：10.14016/j.cnki.jgzz.2023.01.048

• 道路安全
• YOLOv5
• 车辆检测
• CSP-ResNext

随着汽车保有量屡创新高，为提高道路交通安全水平，以目标车辆检测为核心，设计了一种用于多目标车辆检测的融合神经网络。为解决多尺度车辆难以检测、计算量大的问题，在Yolov5基础上将Backbone部分采用的CSP-DarkNet替换成了CSP-ResNext,搭建了新的融合网络YRNet;针对训练与推理过程中Batch Norm方法随batchsize变化效果极其不稳定的问题，改进了Group Norm方法；针对更好的性能，在计算量未显著增加的前提下将LeakyReLU激活函数换成了Mish激活函数。最后在自己制作的数据集上进行实验，并且通过TensorRT模型加速部署到实际应用中，平均检测精度达到了95.8%,速度达到了66FPS,能很好地满足实际应用需要。

• 单位
  上海工程技术大学