-
题名基于注意力机制的深度学习行人车辆检测方法
被引量：5
- 1
-
-
作者
于晓
叶健
汤计洁
-
机构
天津理工大学电气工程与自动化学院
郯城县公安局警航大队
-
出处
《黑龙江工业学院学报（综合版）》
2023年第8期80-86,共7页
-
基金
国家自然科学基金项目“边带模糊红外图像目标的最优可免域免疫因子网络提取研究”(项目编号:61502340)
天津市自然科学基金项目“基于仿生免疫网络的深度模糊红外图像目标提取算法研究”(项目编号:18JCQNJC01000)。
-
文摘
针对当前交通目标检测方法计算量大、检测精度低的问题,提出一种基于改进YOLOv5的行人车辆检测方法。使用CECA模块替换YOLOv5中的C3模块,并在Backbone结构中添加CBAM注意力机制,使得网络能够提高关键特征信息的权重,降低其他信息的关注度,使用双线性插值进行上采样,优化模型对于较小目标和被遮挡区域的检测性能,以提高检测结果的准确度。实验结果表明,YOLOv5-EC网络的平均检测精度比原始网络提升了1.12%,达到了92.63%,与同类型算法相比都有明显提高。实验结果证明了算法在小目标和遮挡情况下检测时更加有效、准确,因此更适合于实际交通场景中的目标检测任务。
-
关键词
目标检测
YOLOv5-EC
行人车辆
注意力机制
-
Keywords
target detection
YOLOv5-EC
pedestrian and vehicles
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
