路侧停车中目标检测与识别算法研究
唐金鹏
李玲琳
湖南交通职业技术学院 湖南长沙 410132
摘要：针对现有路侧停车目标检测和识别方法在复杂场景中效率和精度的不足,提出了一种基于梯形卷积算法的优化方案,并将其集成至YOLOv5 模型中.此算法通过选择性跳过部分不必要的卷积运算,减少了计算量,从而提升了模型推理效率.实验使用视频采集的图像数据集进行训练和验证,比较了传统卷积和梯形卷积在不同设备下的性能差异,改进后的模型在CPU环境下推理时间减少,且实现了较明显的速度提升.因此,算法能够在路侧停车场景中提高目标检测模型的实时性,为部署低成本高效率的智能交通系统提供了新方案.
关键词：路侧停车图像数据目标检测YOLOv5
资助基金：湖南省职业院校教育教学改革项目(ZJGB2023056)
论文发表日期：2024-12-28
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( 41-44 )