面向复杂交通场景的道路目标检测方法

作     者：盛博莹 侯进 李嘉新 党辉 SHENG Boying;HOU Jin;LI Jiaxin;DANG Hui

作者机构：西南交通大学计算机与人工智能学院成都611756 西南交通大学信息科学与技术学院智能感知智慧运维实验室成都611756 西南交通大学综合交通大数据应用技术国家工程实验室成都611756 

基　　金：国家重点研发计划(2020YFB1711902) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第15期

页      码：87-96页

摘      要：针对复杂交通场景下小目标检测精度低,容易出现误检和漏检的问题,提出一种基于改进YOLOv5s的道路目标检测算法YOLOv5s-MRS。提出基于反馈机制的特征提取网络(RFP-PAN),增加浅层特征层与反馈连接并设计IASPP模块,充分融合不同尺度的特征信息,提升网络的特征融合能力;提出级联注意力机制(SECA),在通道和空间维度上聚焦重要特征,让算法关注更加有用的信息;利用Ghost模块的轻量化优势,降低算法的参数量、计算量和模型占用空间。实验结果表明,YOLOv5s-MRS算法在KITTI数据集和VisDrone2021 DET数据集上的检测精度分别达到了93.4%和40.8%,相比原始算法分别提高了1.6和8.6个百分点,模型大小为12.9 MB,在保证实时性的同时具有良好的检测精度,在一定程度上解决了小目标的漏检和误检问题。

主 题 词：YOLOv5s 递归金字塔 注意力机制 GhostNet 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3778/j.issn.1002-8331.2212-0093

馆 藏 号：203122774...