基于改进YOLOv5的车辆检测方法

来源：计算机应用与软件杂志2025年第4期北京时间：

作者：梁秀满, 赵恒斌, 邵彭娟, 高绍品

摘要：为了促进自动驾驶技术的发展，针对现有车辆检测算法对小尺寸目标的检测效果差、精度较低的现状，提出一种基于改进YOLOv5的车辆检测算法QF-YOLOv5。在YOLOv5结构上，增加一层小尺寸特征融合检测层，提高小目标的检测能力。引入注意力机制，使网络聚焦有效特征，抑制干扰特征，提高了算法检测能力，并采用深度可分离卷积来降低网络计算量。使用了Mini Batch K-Means聚类算法，加快网络收敛。利用Quality Focal loss损失函数，使网络对连续数值有监督能力。实验结果表明：该算法在检测准确性和实时性上，都有一定程度的提高。

关键词：车辆检测, YOLOv5, 目标检测, 深度可分离卷积, 注意力机制