基于改进YOLOv5s的复杂道路交通目标检测算法OA北大核心CSTPCD
Complex Road Traffic Target Detection Algorithm Based on Improved YOLOv5s
针对目前自动驾驶场景下交通目标检测算法抗复杂背景干扰能力弱,导致检测性能不足的问题,提出了一种改进 YOLOv5s的复杂道路交通目标检测算法.首先,在特征提取区域,采用多头自注意残差模块(MHSARM)来强化待检目标特征信息,弱化复杂背景干扰;其次,在特征融合区域,采用 CoordConv代替传统 Conv,使网络具备空间信息感知能力,提升网络检测精度.在开源数据集 Kitti 及 BDD100K 上的实验结果表明:改进 YOLOv5s 算法在复…查看全部>>
A complex road traffic object detection algorithm was proposed to address the issue of traffic target detec-tion algorithms' inability to resist complex background interference and insufficient detection performance in the cur-rent autonomous driving scenario.At first,the multi-head self-attention residual module(MHSARM)was used to improve the feature information of the target to be inspected while decreasing the complex background interference.Secondly,in t…查看全部>>
汤林东;云利军;罗瑞林;卢琳
云南师范大学 信息学院,云南 昆明 650500||云南师范大学 云南省教育厅计算机视觉与智能控制技术工程研究中心,云南 昆明 650500云南师范大学 信息学院,云南 昆明 650500||云南师范大学 云南省教育厅计算机视觉与智能控制技术工程研究中心,云南 昆明 650500云南省烟草烟叶公司,云南 昆明 650500云南省烟草烟叶公司,云南 昆明 650500
计算机与自动化
自动驾驶目标检测YOLOv5sMHSARMCoordConv
automatic drivingtarget detectionYOLOv5sMHSARMCoordConv
《郑州大学学报（工学版）》 2024 (3)
64-71,8
国家自然科学基金资助项目(62265017)
评论