基于改进YOLO网络的交通目标检测
陈志伟1
刘罡2
王梦姣1
1.南京信息工程大学电子与信息工程学院 南京 2100442.无锡学院电子信息工程学院 无锡 214105
摘要：交通目标检测技术对于实现道路交通安全和自动驾驶技术具有重要的意义,目前最先进的目标检测算法即一类目标检测算法,如YOLOv5,然而YOLOv5存在着一些问题,如计算量及参数量较大,以及检测的误检率高的问题,论文提出的解决方案是将YOLOv5的颈部中的C3模块替换为C3Ghost并将卷积模块替换为Ghost模块,以减少模型的参数量,并在骨干网C3模块中融入CBAM注意力机制模块,以突出对象的关键信息,增加网络的特征提取能力,降低误检测率.试验结果表明,改进后的算法在原有YOLOv5的基础上,mAP提升了1%,计算量FLOPs降低了2.4 G,参数量降低了约1.3×106.在保证精度的同时实现了模型的轻量化.
关键词：目标检测YOLOv5C3GhostGhostCBAM
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3133-3138 )
英文信息