搜索到4572 篇“ 车辆检测算法 “的相关文章
基于改进YOLOv4的车辆 检测 算法 2025年 车辆 检测 过程时,存在车辆 互相遮挡和远距离目标尺寸不足的问题,导致在检测 中存在漏检和误检情况。针对此问题,文中提出一种基于YOLOv4(You Only Look Once version 4)的多尺度融合与注意力机制的交通车辆 检测 算法 。在YOLOv4的路径聚合网络中增加一个新的特征层进行多尺度特征融合,提升模型对底层纹理特征的提取能力。在YOLO Head检测 头前嵌入ECA(Efficient Channel Attention)通道注意力模块,对聚合后的特征进行合理的抑制和增强,将CIoU(Complete Intersection over Union)损失函数替换为Soft-CIoU损失函数,提高小目标车辆 对损失函数的贡献度。在公开车辆 数据集UA-DETRAC与KITTI中的实验结果表明,相较于原YOLOv4算法 ,所提算法 的平均精度分别提升了2.45百分点和1.14百分点,检测 速度达到41.67 frame·s^(-1)。相较于其他先进算法 ,所提算法 在检测 精度上表现良好。关键词：车辆检测 目标检测 基于改进YOLOv8n的红外行人车辆 检测 算法 2025年 车辆 图像分辨率低,质量不佳,噪声多等特点,检测 难度较大,提出一种基于YOLOV8的红外图像行人车辆 目标检测 算法 ,即PSWG-YOLO。针对YOLOv8n网络,增加160×160的极大特征图P2提高模型对行人小目标的检测 能力。同时,采用SPD-Conv部分代替原网络stride-2的卷积层,提升对低分辨率图像的特征提取能力。此外,将损失函数替换为WIoU,优化模型对低质量图像的处理。最后,引入Ghost模块降低模型复杂度。实验结果表明,改进后的PSWG-YOLO算法 在保证较高的检测 精度的同时,显著减少了模型体积和参数量。与原YOLOv8n算法 在公开红外数据集FLIR_v2上P、R、mAP@0.5分别提升1.6%、6.3%、7.2%,且参数量减少16%,模型大小减少15.8%,提高了红外场景下行人车辆 检测 的精度并易于部署。关键词：红外目标检测 损失函数 基于改进YOLOv5的半监督车辆 检测 算法 2025年 车辆 检测 存在目标尺度差异显著以及遮挡重叠严重等问题,且对大规模数据进行完全标注需要较高的成本。针对以上情况,提出一种基于改进YOLOv5的半监督车辆 检测 算法 。引入SimOTA样本匹配方法,优化次优匹配现象,改善目标尺度形状变化导致的检测 困难;提出一种新的空间金字塔池化网络SPPFA,通过引入LSKA,在增大感受野的同时实现空间和通道的自适应性,缓解大尺度目标和遮挡问题产生的影响;将CIoU替换为SIoU,优化回归损失函数。在此基础上,提出一种改进的半监督深度学习算法 ,通过优化损失函数设计,增强算法 学习未标注样本中有益信息的能力,有效提高模型对车辆 的检测 精度。实验结果表明,改进后的算法 在自制车辆 数据集上mAP@0.5指标达到了58.2%,相较YOLOv5n基线模型提升了11.1百分点,且模型体积远小于主流目标检测 算法 ,具有良好的工程应用前景。关键词：车辆检测 半监督学习 模糊场景下行人与车辆 检测 算法 2025年 检测 的问题,本文提出模糊场景下行人与车辆 检测 算法 LiteBlurVisionNet(轻模糊视觉网络).在主干网络部分使用global context enhancer注意力改进轻量级MobileNetV3模块,减少了参数量,使得模型在雾霾、雨雪等恶劣天气条件下图像处理效率更高.颈部网络采用更为轻量化的Ghost模块和由Ghost bottleneck模块改进的spectral Ghost unit模块,能够更有效地捕获全局上下文信息,提高特征的区分度和表达能力,有助于减少参数数量和计算复杂度,从而提高网络处理速度和效率;预测部分采用DIoU NMS基于非极大抑制方法进行最大局部搜索,去除冗余的检测 框,提高检测 算法 在模糊场景下的准确性.实验结果表明,LiteBlurVisionNet算法 模型的参数量比RTDETR-ResNet50算法 模型下降了96.8%,比YOLOv8n算法 模型下降了55.5%,LiteBlurVisionNet算法 模型的计算量比Faster R-CNN算法 模型下降了99.9%,比YOLOv8n算法 模型下降了57%,LiteBlurVisionNet算法 模型的mAP0.5比IAL-YOLO算法 模型提高了13.71%,比YOLOv5s算法 模型提高了2.4%,这意味着模型在存储和计算方面更加高效,尤其适用于资源受限的环境或移动端设备.关键词：轻量化 YOLOv8-DEL:基于改进YOLOv8n的实时车辆 检测 算法 研究 2025年 车辆 检测 是智能交通系统和自动驾驶的重要组成部分。然而,实际交通场景中存在许多不确定因素,导致车辆 检测 模型的准确率低实时性差。为了解决这个问题,提出了一种快速准确的车辆 检测 算法 ——YOLOv8-DEL。使用DGCST(dynamic group convolution shuffle transformer)模块代替C2f模块来重构主干网络,以增强特征提取能力并使网络更轻量;添加的P2检测 层能使模型更敏锐地定位和检测 小目标,同时采用Efficient RepGFPN进行多尺度特征融合,以丰富特征信息并提高模型的特征表达能力;通过结合GroupNorm和共享卷积的优点,设计了一种轻量型共享卷积检测 头,在保持精度的前提下,有效减少参数量并提升检测 速度。与YOLOv8相比,提出的YOLOv8-DEL在BDD100K数据集和KITTI数据集上,mAP@0.5分别提高了4.8个百分点和1.2个百分点,具有实时检测 速度(208.6 FPS和216.4 FPS),在检测 精度和速度方面实现了更有利的折中。关键词：车辆检测 融合渐进式去雨网络的军用车辆 检测 算法 2025年 检测 军用车辆 目标时出现的精度退化问题,提出一种将渐进式去雨算法 与高精确率检测 器相融合的军用车辆 检测 方法。首先设计了一个图像去雨算法 HISPNet,其包括轻量级高效雨纹特征提取模块和跨子网雨纹特征融合模块,捕获雨纹信息的同时缓解卷积过程中的细节特征丢失问题;其次引入SPPFCSPC模块改进了单阶段检测 器,保证检测 器感受野的同时提高了效率,增强了检测 模型的表达能力。自建数据集中的实验结果表明,雨天场景下,相较于经典检测 算法 YOLOv7,所提算法 的mAP@0.5、mAP@0.5:0.95分别提升了4.4%、2.8%,算法 检测 速度达到21.05 f/s,基本满足检测 实时性要求,证明了所提算法 的有效性与实用性。改进YOLOv5s的小目标车辆 检测 算法 2025年 车辆 目标检测 是自动驾驶的重要环节,YOLOv5s是目前车辆 目标检测 中最有效的算法 之一,但是对小目标车辆 存在检测 精度较低且容易造成错检、漏检等问题。现提出一种改进的YOLOv5s算法 ,首先引入C2f结构代替原算法 中的C3结构,既获取了更丰富的梯度信息,又提高了推理速度,同时将坐标注意力机制引人到骨干网络中的C2f结构,可捕捉不同特征信息的长距离依赖关系,更精准地定位车辆 特征;然后,添加一层浅层检测 层,将原算法 的三尺度检测 变为四尺度检测 ,加强了对小尺度目标的学习能力;最后,使用添加了交并比加权项的Focal EIOU Loss损失函数突出高质量锚框的贡献度。将改进的YOLOv5s算法 在自动驾驶数据集BDD100K上进行测试,实验结果表明与几个YOLO系列算法 和两阶段算法 Faster-RCNN相比,平均精度均值和召回率分别至少提高了5.2%、4.7%。关键词：自动驾驶 损失函数 基于改进YOLOv8的道路交通小目标车辆 检测 算法 2025年 车辆 存在的识别困难、检测 精度低以及误检和漏检等问题,提出一种基于YOLOv8算法 的大内核、多尺度梯度组合的道路交通小目标车辆 检测 模型RGGE-YOLOv8。首先,使用RepLayer模型替换YOLOv8网络的主干部分,引入大内核深度可分离卷积结构,拓展上下文信息,以增强模型对小目标的信息捕获能力;其次,使用GIoU代替原损失函数,解决IoU在预测框与真实框没有重叠时存在的无法优化问题;然后,引入全局注意力机制(GAM),通过减少信息丢失并增强全局交互信息来提高网络的特征表达能力;最后,引入CSPNet并重参化梯度组合特征金字塔,使得模型具有较大感受野和高形状偏差。实验结果表明,RGGE-YOLOv8在Visdrone数据集和自有数据集上mAP@0.5指标分别达到34.8%和94.7%,相较于原始YOLOv8n算法 精度分别提高了2.2和5.51百分点,证明了RGGE-YOLOv8模型对道路小目标车辆 检测 的有效性。关键词：小目标检测 一种轻量级嵌入式实时车辆 检测 算法 车辆 检测 算法 ，涉及交通车辆 检测 领域。该一种轻量级嵌入式实时车辆 检测 算法 ，包括以下内容：获取交通车辆 的图片数据集，并将图片划分为不同的场景，以及标记其中的检测 目标，然后将所有图片按8:1:1的...一种基于改进YOLOv8的密集车辆 检测 算法 车辆 检测 算法 。本发明针对当前传统网络模型对密集车辆 识别精度低，检测 不准确的问题，提出了一种基于YOLOv8改进的密集车辆 检测 算法 。首先，在Neck部分中添加了CoTA注意力机制，使...
相关作者
蔡英凤 作品数：807 被引量：872 H指数：17 供职机构：东南大学 研究主题：智能汽车 车辆 智能车辆 自动驾驶 传动装置 张足生 作品数：56 被引量：54 H指数：4 供职机构：东莞理工学院 研究主题：无线传感器网络 车辆检测 停车 地磁传感器 磁阻传感器 于峰崎 作品数：121 被引量：63 H指数：4 供职机构：中国科学院深圳先进技术研究院 研究主题：无线传感器网络 车辆检测 电容式 地磁 地磁传感器 王海 作品数：127 被引量：550 H指数：14 供职机构：江苏大学汽车与交通工程学院 研究主题：车辆检测 智能汽车 车辆 车道 行人 柴可夫 作品数：3 被引量：11 H指数：2 供职机构：上海交通大学电子信息与电气工程学院图像处理与模式识别研究所 研究主题：车辆检测算法 无线传感网络 车辆检测 磁敏 传感节点
