基于改进YOLOv5的交通车辆目标检测
袁浩然
杨晓玲
江伟欣
珠海科技学院电子信息工程学院 广东珠海 519041
摘要：随着城市人口的不断增加,不同的车辆使得交通状况越来越复杂.对此番现象进行研究之后,提出了一种改进的YOLOv5深度神经网络模型来实现交通中的车辆识别与检测,将有效帮助交通管理部门分析车辆和行人的运行状况.在分析YOLOv5算法的核心后,并针对交通目标尺度变化大的特点,充分利用了YOLOv5算法检测轻量化、速度快、实时性强的性质,并在此基础上,用FPN架构改进网络结构以便适应目标尺度的剧烈变化,用改进的K-means算法选出更加适合的初始候选框,不仅提高了运行速度,而且满足了实时性和准确性的要求,最终获得了较为成功的目标检测效果及其方案.
关键词：YOLOv5卷积神经目标检测车辆识别
资助基金：广东省大学生创新创业训练计划项目(S202013684026S)广东省教学质量与教学改革工程建设项目(2021009)广东省大学生创新创业训练计划项目(S202113684006)
论文发表日期：2022-06-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 12-15 )