改进YOLOv5的复杂环境道路目标检测方法OACSTPCD
Improved YOLOv5 for Road Target Detection in Complex Environments
为解决复杂环境下道路目标检测任务中由于目标尺度变化多样、密集遮挡以及光照不均匀等导致的漏检问题,提出了一种基于YOLOv5的道路目标检测改进方法CTC-YOLO(contextual transformer and convolutional block attention module based on YOLOv5).针对小目标,改进网络检测头结构,增加多尺度目标检测层,提高小目标检测精度.为了充分利用输入的上下文信息,在特征提取部分引入上下…查看全部>>
袁磊;唐海;陈彦蓉;高刃;吴文欢
湖北汽车工业学院 电气与信息工程学院,湖北 十堰 442002湖北汽车工业学院 电气与信息工程学院,湖北 十堰 442002湖北汽车工业学院 电气与信息工程学院,湖北 十堰 442002湖北汽车工业学院 电气与信息工程学院,湖北 十堰 442002湖北汽车工业学院 电气与信息工程学院,湖北 十堰 442002
计算机与自动化
复杂环境目标检测YOLOv5注意力机制
complex environmenttarget detectionYOLOv5attentional mechanism
《计算机工程与应用》 2023 (16)
面向大规模个性化定制的高端PCB样板制造系统双层智能优化运行方法
212-222,11
国家自然科学基金(52072116,52075107)湖北省自然科学基金(2022CFB53B)湖北省教育厅科学技术研究项目(Q20201801)湖北汽车工业学院博士科研启动基金(BK202004).
评论