摘要
为提高道路安全意识,减少事故风险,文章提出了一种基于改进YOLOv5s算法的路况危险检测算法。改进的YOLOv5s模型即ROD-YOLOv5s。在原来的YOLOv5s模型基础上,首先引入更深的网络结构和压缩和激励网络模块(SE模块)增强特征的提取能力;其次,模型使用金字塔注意力网络(PAN)来进一步强化特征的多尺度表达;最后通过使用完整的交并比损失函数(CIoU损失函数)代替传统的IoU损失函数提高了模型的定位精度和泛化能力。所提模型在PASCAL VOC数据集上进行了验证实验,发现ROD-YOLOv5s模型准确率为94%,召回率为91.5%,平均精度均值为94.8%,ROD-YOLOv5s模型与其他算法模型相比在各项指标上均有很大优势,具有很强的鲁棒性。
作者
胡文奕
庄新鱼
黄亚楠
罗锦昊
彭宇暄
HU Wenyi;ZHUANG Xinyu;HUANG Yanan;LUO Jinhao;PENG Yuxuan
出处
《信息技术与信息化》
2025年第2期168-173,共6页
Information Technology and Informatization
基金
2023年校级大学生创新创业计划项目(CX24601)。
