融合VovNet网络和可变形卷积的非机动车辆检测

摘要：

针对道路监控下因监控探头高度角度不同,目标非机动车辆存在不同形式的模糊形变问题且特征信息不足造成的漏检误检现象,提出了一种融合VovNet网络和可变形卷积的非机动车辆检测模型.使用一次聚类连接网络(VovNet)结合原网络特点提出的CSPVovNet替换原有的CSPDarknet主干网络进行特征的提取,增强了有效特征的复用,缓解因深层卷积造成的小目标物体特征信息进一步丢失的问题.将可变形卷积引入到不同的网络层替换传统卷积,在公共数据集Pascal VOC2007和自建非机动车辆数据集上分别训练测试,根据最终性能选择YOLOv5-C方案.改进后的网络选取EIoU_loss作为定位损失,通过消融实验验证得出最终改进对网络性能有所提升,最终的网络优化结果较原YOLOv5s网络mAP提升了 4.14个百分点,对漏检误检现象很好的缓解.

关键词：非机动车辆、可变形卷积、YOLOv5s、聚类网络、目标检测、卷积神经网络(CNN)

所属期刊栏目：32

分类号：TP391.4;TN911.73;B842

资助基金：陕西省科技计划重点项目2017ZDCXL-GY-05-03

在线出版日期：2023-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：132-140