改进YOLOv5的轻量级不规范驾驶行为实时检测

摘要：

针对现有的不规范驾驶行为检测算法占用内存多、计算量大、难以在边缘设备部署且在昏暗条件下对检测目标有干扰等问题,提出了一种改进YOLOv5模型的轻量级不规范驾驶行为实时检测算法.将SE注意力机制引入到YOLOv5模型的Backbone网络部分,再将Backbone网络里的CSP模块替换为轻量化的GhostBottleNeck网络模块,从而减少模型的参数量;将原网络中的激活函数改进成SiLU函数,可提高模型检测的准确率,增强模型的鲁棒性;对改进的模型以及原网络进行相关的测试,验证所修改方法的有效性以及实时性.实验结果表明,改进后的YOLOv5-GS算法提高了对不规范驾驶行为的检测精度,参数量降低20.75％,检测速度提升75％,极大地降低了所需的硬件成本,适用于在小型边缘设备上部署.

关键词：不规范驾驶行为检测、轻量化、注意力机制、YOLOv5、GhostBottleNeck

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省自然科学基金

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：186-193