10.3969/j.issn.1674-3229.2022.03.006
基于YOLOv5s模型的车辆类型检测算法
为提高车辆类型检测的精度与速度,提出一种基于YOLOv5s的改进算法.传统YOLOv5s使用Giou作为损失函数,当两个目标边界框出现包含关系,或长宽高相同时,差集会变为0,无法准确预测车型.使用Ciou代替Giou作为边界框回归损失函数,解决了边界框相互包含与长宽等比的问题.实验结果表明,在保持置信度不变的情况下,mAP的值较原YOLOv5s上升了 1%,收敛速度提升了 20%,具有明显的优势,可以满足交通车辆类型检测实时性与精确性的需求.
车辆类型检测、YOLOv5s、Ciou、Giou、mAP
22
TP391(计算技术、计算机技术)
北华航天工业学院校级创新项目YKY-2022-35
2022-10-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
24-28,34