基于BiFPN和注意力机制改进YOLOv5s的车辆行人检测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要： 随着人工智能技术在交通领域的深入应用，实时检测和跟踪交通道路中的车辆与行人成为自动驾驶技术不可或缺的组成部分。为了提升在复杂环境中的检测精度与速度，文中提出一种基于BiFPN和注意力机制改进的YOLOv5s模型。通过集成双向特征金字塔网络（BiFPN）和引入CBAM注意力机制，优化了模型对小目标的识别能力，并通过数据增强技术处理自动驾驶公开数据集SODA10M，解决样本不均问题。（剩余8761字）

试读结束

目录
monitor