基于YOLOv5的高速公路目标检测算法的设计与实践

摘要：

针对高速公路小目标检测召回率低、准确率低等问题,提出一种基于YOLOv5改进的高速公路小目标检测算法.针对数据集样本不均衡问题,引入克隆数据增强对数据集进行增广;通过K-means算法以IOU作为度量值,聚类产生适合该文数据集的Anchors boxes;通过添加注意力模块,加强通道注意力,降低模型噪声并提高准确率;针对检测小目标困难问题,引入三层特征融合机制,加强模型对浅层信息特征的提取能力;通过增加检测头,提高对小目标特征的提取能力.实验结果表明,改进后的YOLOv5模型在自建数据集上mAP达到了0.68,Recall达到了0.64,对小目标有很好的检测效果.

关键词：YOLO、注意力机制、小目标检测、特征融合

所属期刊栏目：18

分类号：TP311(计算技术、计算机技术)

资助基金：江苏省大学生创新创业训练计划项目202113573051Y

在线出版日期：2022-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：103-106