改进YOLOv5的道路小目标检测算法

摘要

针对目前自动驾驶领域目标检测算法在对道路小目标检测时经常出现漏检、误检的问题，提出基于YOLOv5s的目标检测算法SCE-YOLOv5。首先，借鉴SPPCSPC的思想，对主干网络中的SPPF层进行了重新设计，确保在提高模型精度和感受野的同时获得速度的提升。其次，Neck部分的上采样算子被替换为CARAFE，能够在较大的感受野内聚合上下文信息，避免上采样过程中部分特征信息缺失。最后，在每一层检测头前都引入EMA注意力机制，对全局信息进行编码，提取更多的特征信息。实验结果表明:在KITTI数据集和Kaggle数据集上，改进后的算法与原算法相比，m AP值有所提高，并且检测速度也分别达到了90帧/秒和61帧/秒，具备较高的实时性，可以满足自动驾驶道路目标检测的需求。

关键词

道路目标检测 / 注意力机制 / YOLOv5 / 空间金字塔池化 / 特征上采样