摘要
高速で複雑な環境下において、YOLOv5sアルゴリズムの詳細特徴学習能力が弱く、冗長な情報が多く、重要な特徴融合が不足しているために車両目標検出精度が低い問題に対して、本論文ではYOLOv5sに基づく高速道路車両リアルタイム検出モデル（YOLOv5s-CRCP）を提案する。まず、残差ユニットに畳み込み注意モジュールを埋め込み、詳細特徴学習を強化し、冗長情報の干渉を抑制する；次に、異なる重要情報を区別するために畳み込み注意をピラミッドネットワークに統合し、重要特徴融合を強化する。構築した寧夏高速道路車両データセットで実験を行い、平均検出精度は91.2％に達し、元のアルゴリズムより4.1％向上した。実験結果は、YOLOv5sおよび主流のリアルタイム車両目標検出アルゴリズムと比較して、本手法がより良い検出性能を有することを示している。
关键词
注意機構;YOLOv5s;車両目標検出;スマート交通;ニューラルネットワーク
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website