科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前交通目标检测方法计算量大、检测精度低的问题，提出一种基于改进YOLOv5的行人车辆检测方法。使用CECA模块替换YOLOv5中的C3模块，并在Backbone结构中添加CBAM注意力机制，使得网络能够提高关键特征信息的权重，降低其他信息的关注度，使用双线性插值进行上采样，优化模型对于较小目标和被遮挡区域的检测性能，以提高检测结果的准确度。实验结果表明，YOLOv5-EC网络的平均检测精度比原始网络提升了1.12%,达到了92.63%,与同类型算法相比都有明显提高。实验结果证明了算法在小目标和遮挡情况下检测时更加有效、准确，因此更适合于实际交通场景中的目标检测任务。
- 出版日期2023
- 单位天津理工大学; 自动化学院
