文献类型：期刊文章

作　　者：雷雪梅[1] 李琛[2]

LEI Xuemei;LI Chen(Office of Information Construction and Management,University of Science and Technology Beijing,Beijing 100083,China;School of Information,North China University of Technology,Beijing 100144,China)

机构地区：[1]北京科技大学信息化建设与管理办公室,北京100083 [2]北方工业大学信息学院,北京100144

出　　处：《计算机应用文摘》

基　　金：国家自然科学基金(12071025)。

年　　份：2024

卷　　号：40

期　　号：11

起止页码：76-83

语　　种：中文

收录情况：普通刊

摘　　要：公路监控视频中的车辆检测场景复杂多样,存在干扰严重、目标尺寸小、尺寸变化大等情况。已有基于深度神经网络的目标检测模型效率不高,且存在不同程度的错检及漏检问题。文章提出了一种基于通道-空间双注意力机制与双向特征加权融合的车辆目标检测模型,它与YOLOv5网络相结合,不仅提高了目标检测精度,还在满足实时性的前提下有效减少了模型计算量和参数。实验结果表明,模型的平均检测精度mAP由YOLOv5m的85.1%提升至91.5%,而计算量和参数量分别为YOLOv5m的44.3%与53.6%,同时检测速度略有提升,实现了简单、快速的车辆目标检测。

关 键 词：车辆目标检测  YOLOv5  卷积注意力模块  双向特征融合  小目标检测

分 类 号：TP391]