文献类型：期刊文章

作　　者：董恒祥[1] 潘江如[2] 董芙楠[2] 郭鸿鑫[1] 赵晴[1]

DONG Hengxiang;PAN Jiangru;DONG Funan;GUO Hongxin;ZHAO Qing(College of Transportation and Logistics Engineering,Xinjiang Agricultural University,Urumqi 830052,China;College of Control Engineering,Xinjiang University of Engineering,Urumqi 830023,China)

机构地区：[1]新疆农业大学交通与物流工程学院,新疆乌鲁木齐830052 [2]新疆工程学院控制工程学院,新疆乌鲁木齐830023

出　　处：《北华大学学报（自然科学版）》

年　　份：2024

卷　　号：25

期　　号：2

起止页码：244-254

语　　种：中文

收录情况：CAB、CAS、JST、RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：针对道路交通环境中车辆及行人目标较小或被遮挡造成的检测精度低以及误检、漏检问题,提出一种基于改进YOLOv5s模型的车辆及行人目标检测方法。针对小目标和遮挡目标,引入SIoU边界框损失函数,增加小目标检测层,增强对小尺度特征的获取;改进特征金字塔结构,增加横向特征图传递,并使用CSP stage替换C3_F特征提取网络,使其获得更多的语义信息和图形信息;改进后处理NMS算法,优化冗余边界框剔除方法,筛选出高质量检测结果。试验结果表明:改进YOLOv5s模型算法的Precision、Recall、mAP@0.5和mAP@0.5:0.95指标均优于Faster-RCNN、YOLOv3-tiny和YOLOv8s算法,与原YOLOv5s模型算法相比Precision下降了0.4%,但Recall、mAP@0.5和mAP@0.5:0.95提高了3.4%、2.1%和6.0%,分别达到了86.1%、92.9%和70.0%,对小目标和遮挡目标的检测效果明显提高,证明此改进方法有效解决了对小目标和遮挡目标检测精度低以及误检、漏检问题。

关 键 词：智能交通系统 交通安全 YOLOv5s模型  小目标  遮挡目标 特征金字塔  后处理NMS算法  

分 类 号：U495[物流管理与工程类]