道路目标检测环节是自动驾驶领域的关键技术之一,随着人工智能的发展应用逐渐广泛。文章基于 YOLOv5 网络提出一种新的目标检测方法,改进包括融合了 ShuffleNet V2 中的模块,使用 GhostConv 改造了传统的 Conv 模块等。先在不同道路环境中实时采集视频流,并进行图片和视频流的标注。在主干网络中融入 ShuffleNet V2 中的模块并使用 GhostConv 模块改进 Conv 模块,在降低模型权重的同时对目标检测精度影响较小。将标注完成后的图片输入改进后的 YOLOv5 网络进行训练,并将得到后的模型与 Deep SORT 算法结合,进行目标检测追踪。实验结果表明,所得结果权重大小下降许多,而目标检测精确度有所上升。改进后的网络更加轻便,易于部署在边缘嵌入式设备上。
猜您喜欢
评论