改进YOLOv5s的车辆目标检测算法研究与实现
周金治
景瑞琦
吴静
刘梦宇
西南科技大学 绵阳 621000
摘要：针对在实际交通场景中对车辆目标检测算法有占用资源小、保证实时性和准确率高的要求,提出了一种基于改进YOLOv5s的车辆目标检测算法.首先,引入GhostNet改进YOLOv5s的Backbone,降低了网络的计算量,提高了检测速度;其次,融合CBAM注意力机制,改善在各种天气、光照情况下难以被准确检测的问题;然后,使用Soft-NMS代替NMS,减少了交通拥堵等情况造成的漏检问题;最后,对改进后的算法进行了对比消融实验,验证其性能,再部署到嵌入式设备端测试.根据实验结果,改进算法在保证较高的平均精度的情况下,模型资源占用降低了 34.76%,在嵌入式平台上的帧率可以达到 29 frame/s,可以达到实际应用的要求.
关键词：YOLOv5目标检测注意力机制嵌入式平台TensorRT
分类号：TP391.41(计算技术、计算机技术)U495(交通工程与公路运输技术管理)
资助基金：国家自然科学基金(61771411)
论文发表日期：2023-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 2546-2552,2579 )
英文信息