基于YOLOv5的道路目标检测算法研究

来源：计算机工程与应用杂志2023年第1期北京时间：

作者：王鹏, 王玉林, 焦博文, 王洪昌, 于奕轩

单位：青岛大学 机电工程学院，山东 青岛 266071

摘要：为提高道路目标检测精度，基于YOLOv5网络模型，引入自底向上的PANet网络结构，以增强特征融合；采用具有方向感知与位置信息的目标注意力机制，以增强对目标位置的感知能力；增加了一个YOLO检测头，以增强对小目标的学习能力。采用改进的CIOU（ICIOU）目标回归损失函数，使得整个模型对图像特征的学习能力和目标检测精度显著提升。实验结果表明，该模型在华为SODA10M数据集下的mAP达到了68.2%，相比原YOLOv5网络mAP提升了15.4个百分点，检测精度得到了明显提升。在此基础上，对图像尺寸对检测时间和精度的影响进行探索，结果表明适当增大图像输入尺寸，可以在检测速度下降不大（23.3个百分点）的前提下，使得mAP明显提升（3.8个百分点）。

关键词：深度学习,目标检测,注意力机制,交并比,PANet网络结构