改进YOLOv5算法及其在车型识别中的应用  

作　　者：周珂 周腊吾[1] 黄文豪 

机构地区：[1]长沙理工大学电气与信息工程学院,湖南省长沙市410114

出　　处：《电子技术与软件工程》2023年第2期173-176,共4页ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

摘　　要：本文提出了一种基于改进YOLOv5模型的方法,对主干网络进行了改进,包括引入SENet结构、深度卷积分离策略和在浅层加入一个尺度输出节点,提高对小目标的检测性能。测试结果表明,与原始算法相比,该方法在识别精确度和检测速度上都有一定程度上的提升,改进算法的平均精度(mAP)提升了6.25%,速度FPS提升了11%,适用于实时车型识别。

关 键 词：目标检测 通道权重优化 深度卷积分离 小尺度节点 

分 类 号：U495[交通运输工程—交通运输规划与管理] TP391.41[交通运输工程—道路与铁道工程]