没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
15页
针对传统路侧目标检测模型存在的对于行人、非机动车、受遮挡车辆等小目标检测精度低以及模型体积过大的问题,提出了一种基于改进 YOLOv5s 的路侧目标检测模型。首先,使用 EIoU Loss 替换原始的 CIoU Loss 作为目标边界框的回归损失函数,在加快预测框回归损失函数收敛速度同时提升了预测框的回归预测精度;其次,使用轻量级的通用上采样算子 CARAFE 替换原始的最近邻插值上采样模块,减少了上采样过程中特征信息的损失;然后,在原始的三尺度检测层的基础上新添加一层检测尺度更小的目标检测分支,并 提出了一种高效的解耦预测头对不同尺度的检测层进行解耦,进一步提升模型对于小目标的检测能力;最后,对改进后的模型进行通道剪枝,剪除对于检测效果影响不大的冗余通道,降低模型体积,使得模型更加适用于资源受限条件下的路侧目标检测任务。通过路侧目标检测数据集 DAIR-V2X-I 的实验结果表明,相较于原始 YOLOv5s 算法,改进后的算法在模型体积减小 5.7MB 的基础上,mAP50、mAP50:95 分别提高了 2.5%和3.8%,达到了 90.3%、67.7%,检测速度也明显提升
资源推荐
资源评论
资源评论
- 色空空色2023-07-25这篇论文通过改进YOLOv5s算法,在复杂的交通场景中实现了准确的路侧目标检测,对于应用于车辆安全和智能交通系统具有重要意义。
- 申增浩2023-07-25该论文的算法在处理复杂的交通环境时表现出色,能够有效地检测到路侧的目标,提高了交通安全性。
- 是因为太久2023-07-25这篇论文对YOLOv5s算法进行了改进,提供了一种新的方法来应对交通场景中的目标检测问题,展示出了很大的应用潜力。
- 思想假2023-07-25作者的研究成果对于城市交通规划和车辆行驶的智能决策有着积极的推动作用。
- 爱吃番茄great2023-07-25这篇论文的研究对于实现自动驾驶汽车的安全性和效率性有着重要的意义,值得深入研究和应用。
希望代码都能跑
- 粉丝: 335
- 资源: 99
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功