改进YOLOv5s的自动驾驶汽车目标检测

作者：余以春^*; 李明旭

来源：计算机系统应用, 2023, 32(09): 97-105.

DOI：10.15888/j.cnki.csa.009198

• 目标检测
• 注意力机制
• 小目标
• YOLOv5

在自动驾驶领域,由于道路背景复杂以及小目标信息缺失,现有目标检测算法存在检测精度低的问题.由于车载摄像头视角较为固定,道路上的目标在图像空间中的分布具有一定的规律,可以为自动驾驶汽车进行目标检测提供更为丰富的信息.因此,提出一种改进YOLOv5s的空间特征增强网络(SE-YOLOv5s).在YOLOv5s的颈部网络中添加位置注意力模块(location attention module, LAM),该模块能够根据道路目标在图像中的分布特征进行加权,增强网络对目标类别位置分布的感知和定位能力.设计一种小目标增强模块(small target enhancement module,STEM),将浅层特征和深层特征进行融合,可以获得更丰富的小目标语义信息和空间细节信息,提高小目标检测效果.实验结果表明,改进模型对不同尺度目标检测精度均有所提高, APS提高2.8%, APM提高2.5%, APL提高2%.

• 出版日期2023
• 单位西南交通大学