[1]张漪１,张美月.基于改进YOLOv5 的交通监控视频车辆检测方法研究[J].内蒙古公路与运输,2022,(02):50-55.
点击复制
基于改进YOLOv5 的交通监控视频车辆检测方法研究
《内蒙古公路与运输》[ISSN:1005-0574/CN:15-1157/U]
- 卷:
-
- 期数:
-
2022年02期
- 页码:
-
50-55
- 栏目:
-
交通运输
- 出版日期:
-
2022-04-29
文章信息/Info
- 作者:
-
张漪１; 张美月2
-
1. 内蒙古自治区交通运输教育中心，内蒙古呼和浩特010051；
2. 长安大学信息工程学院，陕西西安710046
- 关键词:
-
：车辆检测; YOLOv5; 注意力机制; Focal Loss
- 摘要:
-
：针对交通监控视频中车辆遮挡、车辆目标偏小导致的错检、漏检问题，提出一种改进的YOLOv5 网络模型。将
注意力机制SE 模块分别引入YOLOv5 网络的Backbone、Neck、Head，经过试验对比得出SE 模块引入的最佳位置。针对YOLOv5
模型存在的正负样本不平衡问题，将焦点损失函数Focal Loss 引入模型的训练过程。试验表明，将SE 模块与Backbone
进行融合，模型的平均准确率mAP 提高了0.011%，引入Focal Loss 之后，mAP 提高了0.02%，同时准确率Precision 和召回率
Recall均有提高。对自建的数据集进行测试，结果表明：改进的YOLOv5模型能有效地提高交通监控场景中的车辆检测性能。
更新日期/Last Update:
2022-04-29