基于YOLOv5的车辆目标检测算法轻量化改进  

作　　者：梁奕延 陈昕[1] 郑明祥 陈佳雯 

机构地区：[1]辽宁工业大学汽车与交通工程学院,辽宁锦州121000

出　　处：《汽车与新动力》2024年第2期8-14,共7页Automobile And New Powertrain

基　　金：辽宁省大学生创新训练计划项目(S202310154042)。

摘　　要：针对传统路端车辆目标检测算法参数多、检测速度较慢等问题,提出了基于YOLOv5的车辆目标检测算法轻量化改进。首先,选用轻量化EfficientnetV2卷积神经网络对原骨干网络进行重构,同时在网络中引入GAM注意力机制;其次,为平衡CIoU损失和IoU损失在损失函数中的权重,引入α-CIoU损失代替原有的CIoU损失;最后,使用soft-NMS算法替换原有的NMS非极大值抑制算法。结果表明:相比原算法,改进后算法的精度提升了2.51%,检测速度提升了8.6%,模型大小降低了31.7%;改进后的模型在提升检测速度的同时,还提高了路端车辆目标的检测性能。

关 键 词：车辆目标检测 深度学习 YOLOv5算法 网络轻量化 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程] U463.6[机械工程—车辆工程]