基于改进YOLOv5的车辆属性检测

摘要：

车辆属性检测是一个基础任务,其属性检测结果可以被应用到很多下游的交通视觉任务.提出了一种基于YOLOv5的车辆属性检测改进算法.针对检测 目标较小的问题,加入了卷积注意力模块,让网络模型把更多的注意力放在小 目标对象上;针对数据集样本种类较少的问题,改进了 YOLOv5的马赛克数据增强方式;使用 自门控激活函数Swish,起到抑制噪声、加快收敛速度并提升模型鲁棒性的作用.此外,还在公开车辆数据集VeRi-776的基础上进行了详细的车辆属性标注,构建了一个车辆属性数据集.实验结果表明,改进后的算法比原始YOLOv5的平均精确率提升了 4.6％,能够准确地检测到车辆图像的通用属性,可以供下游任务使用.

关键词：车辆属性、目标检测、YOLOv5

所属期刊栏目：48

分类号：TP391;TP183(计算技术、计算机技术)

资助基金：国家自然科学基金61662002

在线出版日期：2022-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：19-24,29