面向复杂交通场景的道路目标检测方法

来源：计算机工程与应用杂志2023年第15期北京时间：

作者：盛博莹, 侯进, 李嘉新, 党辉

单位：1.西南交通大学 计算机与人工智能学院，成都 611756；2.西南交通大学 信息科学与技术学院 智能感知智慧运维实验室，成都 611756；3.西南交通大学 综合交通大数据应用技术国家工程实验室，成都 611756

摘要：针对复杂交通场景下小目标检测精度低，容易出现误检和漏检的问题，提出一种基于改进YOLOv5s的道路目标检测算法YOLOv5s-MRS。提出基于反馈机制的特征提取网络（RFP-PAN），增加浅层特征层与反馈连接并设计IASPP模块，充分融合不同尺度的特征信息，提升网络的特征融合能力；提出级联注意力机制（SECA），在通道和空间维度上聚焦重要特征，让算法关注更加有用的信息；利用Ghost模块的轻量化优势，降低算法的参数量、计算量和模型占用空间。实验结果表明，YOLOv5s-MRS算法在KITTI数据集和VisDrone2021 DET数据集上的检测精度分别达到了93.4%和40.8%，相比原始算法分别提高了1.6和8.6个百分点，模型大小为12.9 MB，在保证实时性的同时具有良好的检测精度，在一定程度上解决了小目标的漏检和误检问题。

关键词：YOLOv5s,递归金字塔,注意力机制,GhostNet