基于改进YOLOv5s的道路障碍物检测算法

来源：电子测量技术杂志2023年第22期北京时间：

作者：冉险生，李锐，贺帅

单位：重庆交通大学机电与车辆工程学院 重庆 400074

摘要：道路障碍物检测是自动驾驶环境感知的重要内容。针对当前道路障碍物检测算法精度有待提升等问题，提出改进YOLOv5s的道路障碍物检测算法。首先引入改进坐标注意力模块，过滤多尺度特征图的无效信息，强化关注感兴趣区域。其次使用增强降采样模块缓解融合网络下采样过程的重要信息丢失，增强特征鲁棒性。最后优化算法回归损失，明智的梯度增益分配策略，提升了普通质量锚框损失贡献度。试验结果显示，改进模型在数据集上的平均精度均值较原YOLOv5s提高了4.2%，达到了78.6%，同时也优于Faster R-CNN、YOLOX、YOLOv7等算法。所提算法具有42帧/s的检测速度，满足实时检测的要求。本研究提出的改进算法能够有效提高道路障碍物检测精度，具有实际应用潜力。

关键词：道路障碍物检测;YOLOv5s;注意力机制;增强降采样;WIoU