融合全局特征的道路场景目标检测方法

摘要：

复杂交通环境下目标检测中存在很多外界干扰因素,导致通用的目标检测算法效果较差.针对目标检测方法中全局特征信息利用不充分,小目标、遮挡目标检测精度低,以及模型计算量大等问题,提出一种基于改进YOLOv5s的融合全局特征目标检测方法.首先,对YOLOv5s的主干网络进行扩展,得到更深层的特征图以增强较大目标的语义信息;其次,在此基础上引入全局信息融合模块代替原模型中的Neck部分,以3D卷积的方式融合各尺度信息;然后,设计了一种基于位置的先验框匹配方法,在原图尺度上搜索与真实框匹配的先验框;最后,使用Copy-Paste数据增强方法增大小目标样本数量并使用DIoU-NMS作为后处理方法进行非极大值抑制.该模型在BDD100K数据集中平均精确率(mean Average Preci-sion,mAP)为54.55%,检测速度为63.72帧每秒(Frames Per Second,FPS).与原始YOLOv5s算法相比,该方法在检测速度及精度方面均有明显优势.

关键词：道路场景、目标检测、特征融合、先验框匹配、数据增强

所属期刊栏目：53

分类号：TP391.4(计算技术、计算机技术)

资助基金：河北省自然科学基金资助项目;河北省研究生创新项目;天津市教委科研计划项目

在线出版日期：2024-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：31-39,50