改进YOLOv5的无人机影像道路目标检测算法

1

作者 张翼 马荣贵 梁辰 《Journal of Measurement Science and Instrumentation》 CAS CSCD 2024年第1期128-139,共12页

针对无人机影像中道路小目标漏检和目标之间遮挡导致的目标检测精度低、鲁棒性差等问题,提出一种多尺度融合卷积注意力模块(Convolutional block attention module,CBAM)的YOLOv5道路目标检测算法,即YOLOv5s-FCC。首先,引入小目标感知... 针对无人机影像中道路小目标漏检和目标之间遮挡导致的目标检测精度低、鲁棒性差等问题,提出一种多尺度融合卷积注意力模块(Convolutional block attention module,CBAM)的YOLOv5道路目标检测算法,即YOLOv5s-FCC。首先,引入小目标感知层对模型进行多尺度改进,增加一个针对小目标的YOLO检测头以提高网络对道路中小目标的特征提取能力。其次,利用CBAM融合空间和通道信息以增强网络中的重要信息,通过将CBAM引入Backbone主干网络不同位置,以获得CBAM最佳融合位置。最后,采用CIo U作为损失函数,以提高边界框预测所需的计算速度和精度。在自建的无人机道路目标数据集上进行训练,结果表明,相较YOLOv5算法,YOLOv5-FCC算法可将mAP50和mAP50-95分别提高2.0%和4.2%。在VisDrone数据集上也验证了YOLOv5-FCC算法的有效性,并建立了基于无人机的道路目标检测系统,实现道路目标的自动检测。 展开更多

关键词 无人机 道路目标检测 YOLOv5 损失函数 卷积注意力模块

下载PDF 职称材料

基于注意力机制和特征融合的道路目标检测算法

2

作者 朱文忠 朱文球 《工业控制计算机》 2024年第3期92-93,115,共3页

针对道路检测目标小、模型特征融合不充分等问题,提出了一种基于注意力机制和多尺度特征融合的道路目标检测算法MFFDM。该算法将Resnext50网络与注意力模块进行融合形成新的主干特征提取网络;其次,新增具有空间位置信息的底层检测层来... 针对道路检测目标小、模型特征融合不充分等问题,提出了一种基于注意力机制和多尺度特征融合的道路目标检测算法MFFDM。该算法将Resnext50网络与注意力模块进行融合形成新的主干特征提取网络;其次,新增具有空间位置信息的底层检测层来匹配对小物体的检测;另外,利用反卷积模块及特征纹理提取模块设计多尺度特征融合网络DEFTFN。实验表明,与FCOS算法相比,该算法在KITTI数据集上的平均精度提升了9.3%,对道路行人目标的检测精度提升明显,提升幅度达14.6%。 展开更多

关键词 注意力机制 道路目标检测 多尺度特征融合

下载PDF 职称材料

基于改进YOLOv5的道路目标检测

3

作者 吴丽娟 黄尧 关贵明 《沈阳师范大学学报（自然科学版）》 CAS 2023年第1期85-91,共7页

为提高自动驾驶中的道路目标检测精度,设计了一种基于YOLOv5的道路目标检测模型。该模型在YOLOv5s的网络模型基础上,将原始的初始锚框聚类算法改为K-means++算法来减小随机带来的聚类误差;并在Backbone中SPP模块之前引入SENet注意力机制... 为提高自动驾驶中的道路目标检测精度,设计了一种基于YOLOv5的道路目标检测模型。该模型在YOLOv5s的网络模型基础上,将原始的初始锚框聚类算法改为K-means++算法来减小随机带来的聚类误差;并在Backbone中SPP模块之前引入SENet注意力机制,以增强道路目标重要特征并抑制一般特征,达到提高检测网络对道路目标的检测能力。在VOC2012改进数据集上训练、测试,基于改进的YOLOv5s的模型比原始YOLOv5s模型平均准确精度提高了2.4%。实验结果表明,改进的YOLOv5s模型能较好地满足道路目标检测的精度要求。 展开更多

关键词 YOLOv5 道路目标检测 聚类算法 注意力机制

下载PDF 职称材料

基于改进YOLOv3的道路目标检测 被引量：3

4

作者 朱仕宁 胡晓斌 彭太乐 《江汉大学学报（自然科学版）》 2023年第1期89-96,共8页

针对YOLOv3在道路目标检测中漏检率高和检测精度低的问题,提出一种基于改进YOLOv3的道路目标检测方法。通过将原有YOLOv3的3个特征尺度增至4个,从而提升了对于小目标的检测准确率。使用CIoU损失函数提高模型的准确性,利用K-Means++聚类... 针对YOLOv3在道路目标检测中漏检率高和检测精度低的问题,提出一种基于改进YOLOv3的道路目标检测方法。通过将原有YOLOv3的3个特征尺度增至4个,从而提升了对于小目标的检测准确率。使用CIoU损失函数提高模型的准确性,利用K-Means++聚类算法对道路目标重新聚类,得到新的候选框。在BDD100K数据集上的验证结果表明,改进的YOLOv3算法在降低漏检率和提高检测精度方面效果较好。 展开更多

关键词 道路目标检测 YOLOv3 K-Means++

下载PDF 职称材料

面向道路目标检测的多模态融合语义传输

5

作者 朱增乐 魏智伟 +1 位作者 张荣庆 杨柳青 《模式识别与人工智能》 EI CSCD 北大核心 2023年第11期1009-1018,共10页

在长尾效应的极端场景下,多车多传感器协作感知可为车辆提供有效的感知信息,但异构数据的差异化带宽限制和不同的数据格式使车辆在处理信息时难以进行统一高效的调度.为了在有限通信带宽下实现不同车辆间多传感器信息的有机融合,文中从... 在长尾效应的极端场景下,多车多传感器协作感知可为车辆提供有效的感知信息,但异构数据的差异化带宽限制和不同的数据格式使车辆在处理信息时难以进行统一高效的调度.为了在有限通信带宽下实现不同车辆间多传感器信息的有机融合,文中从语义通信的角度出发,提出基于Transformer的多模态融合目标检测语义通信模型.不同于传统的数据传输方案,文中模型利用自注意力机制融合不同模态的数据,着重探究各模态数据之间的语义相关性与依赖性.在有限的通信资源下帮助车辆进行信息传递和相互协作,提高车辆对复杂路况的理解能力.在Teledyne FLIR Free ADAS Thermal数据集上的实验表明,文中模型在多模态目标检测语义通信任务中表现出色,不仅大幅提升目标检测的准确性,同时也减少一半传输代价. 展开更多

关键词 道路目标检测 异构数据 语义通信 多模态融合 自注意力机制

下载PDF 职称材料

基于改进YOLOv7的道路目标检测方法

6

作者 肖明学 朱玉香 《北京测绘》 2023年第11期1537-1544,共8页

针对现有方法在道路场景中实施目标检测时存在对小目标检测精度低、泛化性能不佳等问题,提出一种基于YOLOv7的改进方法。在特征融合结构中,引入通道注意力机制来抑制更多负样本参与特征学习,同时在融合层末端输出四个尺寸的特征图,以强... 针对现有方法在道路场景中实施目标检测时存在对小目标检测精度低、泛化性能不佳等问题,提出一种基于YOLOv7的改进方法。在特征融合结构中,引入通道注意力机制来抑制更多负样本参与特征学习,同时在融合层末端输出四个尺寸的特征图,以强化对小尺寸目标的检测精度;使用改进K均值聚类(K-means++)算法生成与真实目标宽高更贴合的锚点框,让模型在训练前期快速收敛;最后在检测输出端使用软性非极大值抑制算法,精准检测重叠度较高的目标。以开源中国交通标志数据集(CCTSDB)与腾讯-清华100K(TT100K)数据集混合构建训练与测试数据集,实验结果表明,与原始YOLOv7相比,改进后模型在m_(AP)@0.5、m_(AP)@0.5:0.95指标上分别提升7.9%与5.6%,同时检测速度仅有少量下降,但仍能完成实时检测,同时在不同场景下保持性能稳定,充分证明了本文所提方法能够在复杂道路场景下开展多类目标的快速精准检测。 展开更多

关键词 道路目标检测 通道注意力 多尺度检测 软性非极大值抑制

下载PDF 职称材料

基于Hough变换的高分辨SAR图像道路目标检测 被引量：10

7

作者 贾承丽 匡纲要 粟毅 《国防科技大学学报》 EI CAS CSCD 北大核心 2004年第1期50-55,共6页

给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平... 给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平均Hough变换代替一般的Hough变换;在检测变换域峰值点时,采用了结合全局CFAR检测的最大值点搜索的方法;最后对检测出来的准道路,该算法根据道路的独具性质进行鉴别,以确定其是否确实为道路。使用MSTARRedstone实测杂波图进行实验,取得了满意的效果。 展开更多

关键词 道路目标检测 SAR图像 合成孔径雷达 HOUGH变换 CFAR检测 阈值分割 雷达图像处理

下载PDF 职称材料

一种基于特征融合的道路目标检测方法 被引量：3

8

作者 杨浩杰 王璐 杨省伟 《长沙大学学报》 2022年第2期1-6,共6页

当前复杂的道路交通环境给公众的安全出行带来了严峻挑战。在实际道路交通场景中进行目标检测时,传统的目标检测方法难以提取到能够适用道路多目标检测的有效特征,进而影响目标检测的准确性。文章以道路目标精准检测为研究出发点,结合... 当前复杂的道路交通环境给公众的安全出行带来了严峻挑战。在实际道路交通场景中进行目标检测时,传统的目标检测方法难以提取到能够适用道路多目标检测的有效特征,进而影响目标检测的准确性。文章以道路目标精准检测为研究出发点,结合当前先进的卷积神经网络技术,提出了一种基于特征融合的目标检测方法,即采用多个不同尺度的卷积核对特征提取方法进行改进,并通过所设计的特征融合及优化方案对所提取的特征进行更深入的表达。仿真实验证明,新方法与原始Faster-RCNN方法相比,对目标车辆的检测准确率提升了0.06%,对目标行人的检测准确率提升了0.16%,为复杂道路交通环境下的道路目标检测提供了可靠的实现方法与途径。 展开更多

关键词 特征融合 道路目标检测 多尺度 卷积神经网络

下载PDF 职称材料

基于红外可见光融合的低能见度道路目标检测算法

9

作者 吴泽 缪小冬 +1 位作者 李伟文 虞浒 《红外技术》 CSCD 北大核心 2022年第11期1154-1160,共7页

红外图像与可见光图像均被广泛用于目标检测领域,但单模态图像难以满足低能见度道路目标检测的需求,因此本文从双模态融合角度出发,提出一种基于红外可见光融合的低能见度道路目标检测算法。首先,运用多种红外可见光双模态图像融合算法... 红外图像与可见光图像均被广泛用于目标检测领域,但单模态图像难以满足低能见度道路目标检测的需求,因此本文从双模态融合角度出发,提出一种基于红外可见光融合的低能见度道路目标检测算法。首先,运用多种红外可见光双模态图像融合算法对输入图像进行预处理,并对融合图像的均值、标准差、信息熵、平均梯度、空间频率等5个参数进行定量分析,然后,优化训练检测网络得到针对低能见度道路目标的检测模型,最后,从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明,本文算法训练出的模型误检率和漏检率较其他算法明显降低,检测精度较现有算法使用单模态图像由75.51%提升到88.86%,且图像处理速度能够满足实时检测的需求。 展开更多

关键词 红外图像 低能见度 融合算法 道路目标检测

下载PDF 职称材料

基于深度强化学习的道路目标检测 被引量：1

10

作者 吴志鹏 董超俊 《现代计算机》 2020年第17期25-28,共4页

道路目标检测是高级驾驶员辅助系统(Advanced Driver Assistant System,ADAS)道路场景分析中的重要一环。提高目标检测的效率和速度,对图像目标的检测和识别具有重要的现实意义。深度强化学习是近年来兴起的一种多层结构的神经网络与具... 道路目标检测是高级驾驶员辅助系统(Advanced Driver Assistant System,ADAS)道路场景分析中的重要一环。提高目标检测的效率和速度,对图像目标的检测和识别具有重要的现实意义。深度强化学习是近年来兴起的一种多层结构的神经网络与具有决策能力的强化学习相结合的一种算法,通过端对端的学习方式来直接控制输入和输出。从提出此方法至今,深度强化学习已经有了实质性的突破。但是仍然有不足之处,因此提出一种改进的基于深度强化学习的检测算法,并将此算法用于道路目标检测。测试结果表明,该算法具有良好的目标检测性能。 展开更多

关键词 深度强化学习 道路目标检测 改进算法

下载PDF 职称材料

改进YOLOv7的复杂道路场景目标检测算法 被引量：1

11

作者 杜娟 崔少华 +1 位作者 晋美娟 茹琛 《计算机工程与应用》 CSCD 北大核心 2024年第1期96-103,共8页

虽然基于深度学习的目标检测算法在道路场景中的目标检测方面已经取得了很好的效果,但是对于复杂道路场景中的密集目标,远处的小尺度目标检测精度低,容易出现漏检误检的问题,提出一种改进YOLOv7的复杂道路场景目标检测算法。增加小目标... 虽然基于深度学习的目标检测算法在道路场景中的目标检测方面已经取得了很好的效果,但是对于复杂道路场景中的密集目标,远处的小尺度目标检测精度低,容易出现漏检误检的问题,提出一种改进YOLOv7的复杂道路场景目标检测算法。增加小目标检测层,增加对小目标的特征学习能力;采用K-means++重聚类先验框,使得先验框更贴合目标,增加网络对目标的定位精度;采用WIoU(Wise-IoU)损失函数,增加网络对普通质量锚框的关注度,提高网络对目标的定位能力;在颈部和检测头引入协调坐标卷积(CoordConv),使网络能够更好地感受特征图中的位置信息;提出P-ELAN结构对骨干网络进行轻量化处理,降低算法参数量和运算量。实验结果表明,该改进算法在华为SODA10M数据集下的mAP达到64.8%,比原算法提高2.6个百分点,模型参数量和运算量分别降低12%和7%,达到检测精度和检测速度的平衡。 展开更多

关键词 YOLOv7 道路目标检测 CoordConv K-means++ 轻量化

下载PDF 职称材料

基于改进YOLOv5s的无人机航拍视频中道路异常目标检测算法

12

作者 赵磊 孙鹏 +1 位作者 刘岩松 沈喆 《沈阳航空航天大学学报》 2024年第1期68-75,共8页

在使用无人机进行机动车道行人与非机动车检测过程中,发现目标检测精度低、效果差的问题。为解决这些问题,提出一种针对无人机的行人与非机动车检测算法YOLOv5sP2S。首先,基于原有的PAFPN特征融合方案,将YOLOv5s模型的Neck部分进行扩展... 在使用无人机进行机动车道行人与非机动车检测过程中,发现目标检测精度低、效果差的问题。为解决这些问题,提出一种针对无人机的行人与非机动车检测算法YOLOv5sP2S。首先,基于原有的PAFPN特征融合方案,将YOLOv5s模型的Neck部分进行扩展,并增加专门针对小目标的检测层;然后,在预测部分添加小目标检测头,对小目标检测层输出特征图进行预测;最后,将YOLOv5s的定位损失函数改进为SIOU,提高检测精度和锚框的回归效率。实验结果表明,与YOLOv5s模型相比,YOLOv5s-P2S的平均精度均值mAP50提高了0.05,参数量仅增加0.2M。YOLOv5s-P2S能够满足无人机视角的行人与非机动车目标检测的准确性和实时性要求。 展开更多

关键词 YOLOv5s 道路目标检测 小目标检测层 SIOU 特征融合 无人机航拍视频

下载PDF 职称材料

基于关键点的复杂道路环境目标检测算法

13

作者 董涛 关潆 《辽东学院学报（自然科学版）》 CAS 2023年第1期57-64,共8页

针对复杂交通环境手工搭建神经网络人力成本高、小目标检测准确度低、使用锚框法参数多、算法实时性差等问题,提出一种基于关键点的复杂道路环境目标实时检测算法。首先,重构MBConv,改进EfficientNet主干特征提取网络,提高特征提取效率... 针对复杂交通环境手工搭建神经网络人力成本高、小目标检测准确度低、使用锚框法参数多、算法实时性差等问题,提出一种基于关键点的复杂道路环境目标实时检测算法。首先,重构MBConv,改进EfficientNet主干特征提取网络,提高特征提取效率;其次,融入小尺度特征层,优化特征融合网络,提升复杂环境下小目标检测能力;最后,运用关键点预测法,完成检测目标分类及回归。在BDD100K数据集上的测试结果表明,设计算法的目标检测实时性较强,且对复杂环境中的小目标检测准确度较高。 展开更多

关键词 特征提取 道路目标检测 特征融合 关键点预测

下载PDF 职称材料

基于深度学习的道路目标检测算法研究

14

作者 王裕文 《IT经理世界》 2023年第9期26-29,共4页

随着智能交通系统的快速发展,道路目标检测已成为该领域的研究热点.安全流畅的交通依赖于对车辆、行人和其他障碍物的准确识别.本文介绍了目标检测的基本概念、传统的目标检测方法及其局限性,详细阐述了深度学习的基本原理以及GFL算法... 随着智能交通系统的快速发展,道路目标检测已成为该领域的研究热点.安全流畅的交通依赖于对车辆、行人和其他障碍物的准确识别.本文介绍了目标检测的基本概念、传统的目标检测方法及其局限性,详细阐述了深度学习的基本原理以及GFL算法的工作机制.通过一系列实验,本研究证明了GFL算法在处理复杂道路场景,特别是在遮挡和变化的光照条件下,相较于传统方法具有更高的准确性和鲁棒性,以期为智能交通系统的进一步研究提供有价值的参考. 展开更多

关键词 深度学习 道路目标检测 GFL算法

原文传递

基于先验显著性信息的道路场景目标检测

15

作者 王钲棋 邵洁 《计算机工程与应用》 CSCD 北大核心 2023年第21期251-257,共7页

在自动驾驶领域中,道路目标检测与识别是关键一环,直接关系到智能汽车的行车安全。在驾驶场景下目标种类多,大小差距大,导致卷积网络无法充分提取目标的位置信息,是道路场景检测准确率较低的主要原因,针对该问题,提出一种基于显著性信... 在自动驾驶领域中,道路目标检测与识别是关键一环,直接关系到智能汽车的行车安全。在驾驶场景下目标种类多,大小差距大,导致卷积网络无法充分提取目标的位置信息,是道路场景检测准确率较低的主要原因,针对该问题,提出一种基于显著性信息改进的Sa-YOLOV5s算法。利用改进的语义分割网络(SaNet)充分提取语义信息,获取显著性图像。将显著性图像与不同尺度的卷积层特征进行融合,增强背景与目标的辨别性。利用DIoU-NMS充分计算所有检测框的位置,进一步减少误检和漏检的情况。通过与BshapeNet+算法及DIDN算法进行对比实验,验证了该方法在Cityscapes数据集上检测性能优于BshapeNet+算法及DIDN算法,平均检测精度分别上升了0.024和0.072;检测实时性方面,推理速度为33 FPS,达到了实时检测24 FPS的标准。 展开更多

关键词 道路场景目标检测 显著性信息 YOLOV5

下载PDF 职称材料

一种多尺度YOLOv3的道路场景目标检测算法 被引量：11

16

作者 郁强 王宽 王海 《江苏大学学报（自然科学版）》 CAS 北大核心 2021年第6期628-633,641,共7页

针对在自然交通场景中道路不同种类目标的边界框大小差异巨大,现有实时算法YOLOv3无法很好地平衡大、小目标的检测精度等问题,重新设计了YOLOv3目标检测算法的特征融合模块,进行多尺度特征拼接,对检测模块进行改进设计,新增2个面向小目... 针对在自然交通场景中道路不同种类目标的边界框大小差异巨大,现有实时算法YOLOv3无法很好地平衡大、小目标的检测精度等问题,重新设计了YOLOv3目标检测算法的特征融合模块,进行多尺度特征拼接,对检测模块进行改进设计,新增2个面向小目标的特征输出模块,得到一种新的具有5个检测尺度的道路目标多尺度检测方法YOLOv3_5d.结果表明:改进后的YOLOv3_5d算法在通用自动驾驶数据集BDD100K上的检测平均精度为0.5809,相较于原始YOLOv3的检测平均精度提高了0.0820,检测速度为45.4帧·s^(-1),满足实时性要求. 展开更多

关键词 道路多目标检测 卷积神经网络 深度学习 YOLOv3 多尺度检测

下载PDF 职称材料

基于天空分割的去雾算法在目标检测中的应用 被引量：2

17

作者 朱晓霞 施智平 +2 位作者 邵振洲 关永 任长娥 《计算机应用与软件》 北大核心 2020年第2期152-160,225,共10页

针对道路目标检测的准确率受雾霾环境影响的问题,提出一种基于雾检测与天空分割的自适应去雾算法。提取道路环境中的雾检测区域并对其进行通道相关性以及亮度和饱和度比值的计算,以判别场景类别;对图像进行天空非天空区域的分割并对不... 针对道路目标检测的准确率受雾霾环境影响的问题,提出一种基于雾检测与天空分割的自适应去雾算法。提取道路环境中的雾检测区域并对其进行通道相关性以及亮度和饱和度比值的计算,以判别场景类别;对图像进行天空非天空区域的分割并对不同区域建立去雾模型,用于自适应去雾;将恢复后的图像应用到道路目标检测算法中,进行去雾效果验证和道路目标检测。实验结果表明,该算法提高了雾霾环境下目标检测的准确率。 展开更多

关键词 消失点检测 天空分割 暗通道 自适应去雾 道路目标检测 Yolo

下载PDF 职称材料

基于YOLOv5的目标识别追踪模型轻量化 被引量：2

18

作者 李海鹏 余强 《汽车实用技术》 2023年第5期30-33,共4页

道路目标检测环节是自动驾驶领域的关键技术之一,随着人工智能的发展应用逐渐广泛。文章基于YOLOv5网络提出一种新的目标检测方法,改进包括融合了ShuffleNet V2中的模块,使用GhostConv改造了传统的Conv模块等。先在不同道路环境中实时... 道路目标检测环节是自动驾驶领域的关键技术之一,随着人工智能的发展应用逐渐广泛。文章基于YOLOv5网络提出一种新的目标检测方法,改进包括融合了ShuffleNet V2中的模块,使用GhostConv改造了传统的Conv模块等。先在不同道路环境中实时采集视频流,并进行图片和视频流的标注。在主干网络中融入ShuffleNet V2中的模块并使用GhostConv模块改进Conv模块,在降低模型权重的同时对目标检测精度影响较小。将标注完成后的图片输入改进后的YOLOv5网络进行训练,并将得到后的模型与Deep SORT算法结合,进行目标检测追踪。实验结果表明,所得结果权重大小下降许多,而目标检测精确度有所上升。改进后的网络更加轻便,易于部署在边缘嵌入式设备上。 展开更多

关键词 道路目标检测 YOLOv5 模型压缩 目标追踪

下载PDF 职称材料

城市道路环境目标快速识别算法 被引量：2

19

作者 林朝俊 石英 《武汉理工大学学报（交通科学与工程版）》 2021年第6期1039-1044,共6页

文中选择anchor-free的FCOS网络作为基础检测算法,引入深度可分离卷积,大幅减少网络参数,进一步压缩了算法的特征金字塔网络,并优化了目标分层识别方案以提高特征金字塔的利用率.基于输入图像分辨率对算法精度和速度影响的分析,优化了... 文中选择anchor-free的FCOS网络作为基础检测算法,引入深度可分离卷积,大幅减少网络参数,进一步压缩了算法的特征金字塔网络,并优化了目标分层识别方案以提高特征金字塔的利用率.基于输入图像分辨率对算法精度和速度影响的分析,优化了输入图像的长宽比和分辨率,增大了行人与车辆目标的区分度.实验表明:改进算法速度可达23帧/s,精度可达26.5%. 展开更多

关键词 城市道路环境目标检测 卷积神经网络 特征金字塔

下载PDF 职称材料