基于BiFPN和注意力機制改進YOLOv5s的車輛行人檢測

打開文本圖片集

摘  要： 隨著人工智能技術(shù)在交通領(lǐng)域的深入應用，實時檢測和跟蹤交通道路中的車輛與行人成為自動駕駛技術(shù)不可或缺的組成部分。為了提升在復雜環(huán)境中的檢測精度與速度，文中提出一種基于BiFPN和注意力機制改進的YOLOv5s模型。通過集成雙向特征金字塔網(wǎng)絡(luò)（BiFPN）和引入CBAM注意力機制，優(yōu)化了模型對小目標的識別能力，并通過數(shù)據(jù)增強技術(shù)處理自動駕駛公開數(shù)據(jù)集SODA10M，解決樣本不均問題。（剩余8761字）