摘要:
针对交通监控视频的车辆目标检测技术在早晚高峰等交通拥堵时段,车辆遮挡严重且误、漏检
率较高的问题,提出一种基于 YOLOv5s 网络的改进车辆目标检测模型。将注意力机制 SE 模块分别引入
YOLOv5s 的 Backbone 主干网络、Neck 网络层和 Head 输出端,增强车辆重要特征并抑制一般特征以强化检测
网络对车辆目标的辨识能力,并在公共数据集 UA-DETRAC 和自建数据集上训练、测试。将查准率、查全率、
均值平均精度作为评价指标,结果显示 3 项指标相比于原始网络均有明显提升,适合作为注意力机制的引入位
置。针对 YOLOv5s 网络中正、负样本与难易样本不平衡的问题,网络结合焦点损失函数 Focal loss,引入 2 个
超参数控制不平衡样本的权重。结合注意力机制 SE 模块和焦点损失函数 Focal loss 的改进检测网络整体性能提
升,均值平均精度提升了 2.2 个百分点,有效改善了车流量大时的误检、漏检指标。
中图分类号:
赵璐璐 , 王学营 , 张 翼 , 张美月 . 基于 YOLOv5s 融合 SENet 的车辆目标
检测技术研究[J]. 图学学报, 2022, 43(5): 776-782.
ZHAO Lu-lu , WANG Xue-ying , ZHANG Yi , ZHANG Mei-yue. Vehicle target detection based on YOLOv5s fusion SENet [J]. Journal of Graphics, 2022, 43(5): 776-782.