10.16638/j.cnki.1671-7988.2023.05.005
基于YOLOv5的目标识别追踪模型轻量化
道路目标检测环节是自动驾驶领域的关键技术之一,随着人工智能的发展应用逐渐广泛.文章基于YOLOv5网络提出一种新的目标检测方法,改进包括融合了ShuffleNet V2中的模块,使用GhostConv改造了传统的Conv模块等.先在不同道路环境中实时采集视频流,并进行图片和视频流的标注.在主干网络中融入ShuffleNet V2中的模块并使用GhostConv模块改进Conv模块,在降低模型权重的同时对目标检测精度影响较小.将标注完成后的图片输入改进后的YOLOv5网络进行训练,并将得到后的模型与Deep SORT算法结合,进行目标检测追踪.实验结果表明,所得结果权重大小下降许多,而目标检测精确度有所上升.改进后的网络更加轻便,易于部署在边缘嵌入式设备上.
道路目标检测、YOLOv5、模型压缩、目标追踪
48
TP391.4(计算技术、计算机技术)
2023-03-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
30-33