科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的不规范驾驶行为检测算法占用内存多、计算量大、难以在边缘设备部署且在昏暗条件下对检测目标有干扰等问题，提出了一种改进YOLOv5模型的轻量级不规范驾驶行为实时检测算法。将SE注意力机制引入到YOLOv5模型的Backbone网络部分，再将Backbone网络里的CSP模块替换为轻量化的GhostBottleNeck网络模块，从而减少模型的参数量；将原网络中的激活函数改进成SiLU函数，可提高模型检测的准确率，增强模型的鲁棒性；对改进的模型以及原网络进行相关的测试，验证所修改方法的有效性以及实时性。实验结果表明，改进后的YOLOv5-GS算法提高了对不规范驾驶行为的检测精度，参数量降低20.75%，检测速度提升75%，极大地降低了所需的硬件成本，适用于在小型边缘设备上部署。
- 出版日期2023
- 单位陕西科技大学
