典型文献
基于改进型YoloV5s的热红外道路车辆及行人检测方法
文献摘要：
在基于机器视觉的ADAS(Advanced Driver Assistance System)系统中,基于传统RGB可见光成像的障碍物检测方法极易受到异常天气、光学折射等原因影响.相比之下,被动式热红外成像技术有着不受天气干扰、不受光线干扰等优势,对未来的ADAS系统是一种潜在的解决方案.本文基于热红外图像的特性,对YoloV5s检测网络进行针对性优化,提出基于改进型YoloV5s的热红外道路车辆及行人检测方法.该方法针对热红外图像的特性以及实际部署中嵌入式平台的算力问题,使用卷积下采样层替换YoloV5s中低效的Focus Layer.针对实际部署环境中遇到的遮挡、重叠等易出现误检、漏检的情况,以DIoU_NMS替换加权NMS作为候选框非极大值抑制方法.使用FLIR热红外交通检测数据集进行了算法验证,该方法参数量为7.4 M,计算量为17.5 GFLOPs,检测速度达到213 FPS,同时mAP达到93.4％.该方法在保证检测精度的同时能满足ADAS系统对实时性的要求.
文献关键词：
目标检测;行人检测;卷积神经网络;YoloV5s
中图分类号：
作者姓名：
李阳;赵娟;严运兵
作者机构：
武汉科技大学 汽车与交通工程学院,武汉430065;中国科学院 深圳先进技术研究院集成所,广东 深圳518055
文献出处：
引用格式：
[1]李阳;赵娟;严运兵-.基于改进型YoloV5s的热红外道路车辆及行人检测方法)[J].智能计算机与应用,2022(06):33-38
A类：
YoloV5s
B类：
改进型,外道,道路车辆,行人检测,机器视觉,ADAS,Advanced,Driver,Assistance,System,RGB,可见光成像,障碍物检测,异常天气,原因影响,相比之下,被动式,热红外成像技术,光线,热红外图像,测网,行针,嵌入式平台,算力,下采样,采样层,层替换,Focus,Layer,针对实际,遮挡,漏检,DIoU,NMS,候选框,非极大值抑制,抑制方法,FLIR,检测数据集,算法验证,方法参数,参数量,计算量,GFLOPs,检测速度,FPS,mAP,检测精度,目标检测
AB值：
0.440188
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
