基于多尺度YOLOv5的交通标志检测OA
针对小目标交通标志检测存在的检测精度低、漏检率高等问题,提出了一种基于多尺度融合的YOLOv5改进算法。在主干网络后输出4个有效特征层以便更好地融合多尺度信息,在主干网络输出的3个特征层中添加改进的多尺度融合注意力机制CBAM_U,以提升网络的检测能力;在Path Aggregation Network(PANet)下采样过程中添加Fusion模块,促进不同感受野下特征的细融合;在YOLOHand前加入Adaptively Spatial Fea…查看全部>>
朱宁可;张树地;王翰文;李红松;余鹏飞
云南大学信息学院,云南昆明650504云南大学信息学院,云南昆明650504云南大学信息学院,云南昆明650504云南大学信息学院,云南昆明650504云南大学信息学院,云南昆明650504
计算机与自动化
交通标志检测小目标多尺度融合CBAM_U细融合
《无线电工程》 2024 (3)
P.623-632,10
国家自然科学基金(62066046)~~。
评论