基于优化的YOLOv5模型的车辆检测与分类研究  

作　　者：李佳昊 陆锦泉 

机构地区：[1]广东省城乡规划设计研究院有限责任公司,广东广州510290

出　　处：《交通科技与管理》2022年第20期5-7,共3页

摘　　要：为了能快速而精准地识别道路车辆的位置并对车辆类型做出判断,提出一种基于优化的YOLOv5算法的车辆检测模型。首先,利用K-means聚类算法获得合适的锚框尺寸。其次,引入SE注意力模块并将部分卷积层替换为深度可分离卷积。最后,在输出端以DIoU方法进行非极大值抑制,完成优化过程并进行试验。实验结果表明,优化后的模型在检测精度和速度上都有了提高,分别可达95.7%和60.5f/s。此外,查全率提高了2%,查准率提高了1%,并且对于小目标车辆及遮挡重叠车辆的检测效果也有了进一步的改善。

关 键 词：深度学习 YOLOv5 图像识别 车型分类 

分 类 号：U495[交通运输工程—交通运输规划与管理]