【技术实现步骤摘要】
一种基于YOLOv5的城市街道场景目标检测方法
[0001]本专利技术涉及目标检测
，具体涉及一种基于YOLOv5的城市街道场景目标检测方法。
技术介绍
[0002]城市街道场景目标检测属于计算机视觉目标检测领域的一个分支，广泛应用于自动驾驶，交通安全检测等领域。与其他目标检测问题相同，城市街道场景目标检测的目的同样是希望通过计算机视觉技术实现检测自动化，达到降低人工成本、提高检测效率与精度的效果。具体地，相比于其他目标检测问题，城市街道场景的特殊之处在于，城市街道场景中存在着机动车与机动车、机动车与非机动车、机动车与行人之间的重叠与交互，检测难度较高，难以准确且全面地识别出场景中的目标。
[0003]随着深度学习技术的发展，现有的城市街道场景目标检测技术通常采用以YOLO为框架的一阶段目标检测技术及以Faster R
‑
CNN为框架的二阶段目标检测技术。例如现有的一种基于YOLOv5的轻量级目标检测方法，通过设置深度可分离卷积模块等，能够减少模型参数量，达到较高的检测效率，但同样受限于此，其...
【技术保护点】
【技术特征摘要】
1.一种基于YOLOv5的城市街道场景目标检测方法，其特征在于，包括以下步骤：步骤1：构建基于改进YOLO
‑
v5的目标检测模型；所述目标检测模型包括主干特征提取网络、特征融合模块和输出模块；且主干提取网络中的下采样模块由可变形卷积单元和Focus单元组成；特征融合模块的下采样模块由预设步距的卷积单元和Focus单元组成；步骤2：训练目标检测模型；步骤3：由训练后的目标检测模型进行场景目标检测；其中，由主干特征提取网络提取待检测场景图像的特征；由特征融合模块输出不同尺度的特征图；并由输出模块基于特征图输出目标检测特征图。2.根据权利要求1所述的一种基于YOLOv5的城市街道场景目标检测方法，其特征在于，所述预设步距的卷积单元为步距为1的卷积单元。3.根据权利要求1所述的一种基于YOLOv5的城市街道场景目标检测方法，其特征在于，所述主干提取网络和特征融合模块中均包括C3单元、可变形卷积单元、Focus单元和SPPF单元。4.根...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。