基于改进YOLOv5s的车辆目标检测算法研究  

作　　者：江余凤 曹士连 

机构地区：[1]集美大学航海学院,福建厦门361021 [2]不详

出　　处：《运输经理世界》2024年第36期71-73,共3页Transport Business China

摘　　要：为解决车辆密集、遮挡严重导致的目标检测算法误检、漏检等问题,提出一种基于改进YLOv5s的车辆检测算法。首先,基于C2f特征提取模块结构中卷积共享和多层次特征融合的思想,对原YOLOv5s中的特征提取模块进行改进,提高网络针对多尺度特征的提取能力;其次,引入一种考虑位置信息的轻量型特征选择模块,并设计4种不同引入方式的对比试验,探究该模块在面向车辆检测任务时对模型性能的影响;最后,利用OTA动态标签分配策略对原YOLOv5s的损失函数进行优化,提高正负样本分配的精准度。在经过筛选的UA-DETRAC车辆数据集上进行试验分析,结果表明,改进后的算法能够满足实时交通检测需求,以期为相关研究提供借鉴。

关 键 词：车辆检测 YOLOv5s 车辆检测算法 

分 类 号：U495[交通运输工程—交通运输规划与管理]