改进YOLOv5s的自动驾驶汽车目标检测

摘要：

在自动驾驶领域,由于道路背景复杂以及小目标信息缺失,现有目标检测算法存在检测精度低的问题.由于车载摄像头视角较为固定,道路上的目标在图像空间中的分布具有一定的规律,可以为自动驾驶汽车进行目标检测提供更为丰富的信息.因此,提出一种改进YOLOv5s的空间特征增强网络(SE-YOLOv5s).在YOLOv5s的颈部网络中添加位置注意力模块(location attention module,LAM),该模块能够根据道路目标在图像中的分布特征进行加权,增强网络对目标类别位置分布的感知和定位能力.设计一种小目标增强模块(small target enhancement module,STEM),将浅层特征和深层特征进行融合,可以获得更丰富的小目标语义信息和空间细节信息,提高小目标检测效果.实验结果表明,改进模型对不同尺度目标检测精度均有所提高,APs提高2.8％,APM提高2.5％,APL提高2％.

关键词：目标检测、注意力机制、小目标、YOLOv5

所属期刊栏目：32

分类号：TP391;TP751;TN86

资助基金：国家自然科学基金61961038

在线出版日期：2023-09-25（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：97-105