面向密集场景的多目标车辆检测算法

来源：电子测量技术杂志2024年第9期北京时间：

作者：霍爱清，郭岚洁，冯若水

单位：西安石油大学电子工程学院 西安 710065

摘要：目标检测可为自动驾驶车辆提供附近目标的位置、大小和类别，但是密集场景中多目标检测仍然存在漏检、误检问题，为此该文提出了一种AD-YOLOv5车辆检测模型。首先，利用轻量型结构CBAM注意力机制对特征提取网络中的C3模块进行了优化得到C-C3模块，提高了对特征信息的获取能力，降低了对其他特征的关注度；其次，在检测头部分对分类和回归任务进行解耦，以实现更强的特征表达；然后，利用广义幂变换对IoU进行转换操作，提出鲁棒性更好的Alpha-IoU损失函数，提升了模型的检测精度并加快模型的收敛速度；最后，采用GridMask数据增强技术，增加了样本的复杂性，并在处理后的数据集上进行了实验。实验结果表明，改进后的目标检测模型的平均精度均值达到72.72%，与原YOLOv5模型相比提高了2.25%，且模型具有较高的收敛速度，通过可视化对比实验，直观展示了本文模型在密集场景能有效避免误检、漏检现象。

关键词：目标检测;密集场景;YOLOv5算法;Alpha-IoU损失函数;CBAM;双检测头

基金资助：陕西省科技厅一般项目（2020GY-152）资助