改进了基于YOLOv5的GBS-YOLOv5算法,应用于无人机智能交通
Haiying Liu1, Xuehu Duan2, Haitong Lou2
1The School of Information and Automation Engineering, Qilu University of Technology (Shandong Academy of Sciences), Shandong, China. haiyingliu2019@qlu.edu.cn.
我们开发了GBS-YOLOv5,这是一个改进的无人机检测算法,提高了交通管理中的小目标准确性. 与标准YOLOv5.5相比,这种新型号显著提高了检测性能.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 交通管理系统 交通管理系统
背景情况:
- 越来越复杂的道路交通需要先进的管理解决方案.
- 无人驾驶飞行器 (UAV) 提供了交通监控的潜力,但在小目标检测准确度方面存在困难.
- 现有的YOLOv5模型在深度特征提取和浅度特征利用中面临信息丢失的挑战.
研究的目的:
- 在交通管理中,提高无人机对小型目标的检测准确度.
- 解决YOLOv5模型在小物体检测和功能利用方面的局限性.
- 为了引入一种新的算法,GBS-YOLOv5,优化用于基于无人机的交通监控.
主要方法:
- 设计了一种高效的时空交互模块,以加深特征提取.
- 集成了一个空间金字塔卷积模块,以增强小目标信息挖掘.
- 提出了一个浅的瓶,具有递归门卷积,以改善特征融合和细节保存.
主要成果:
- 通过GBS-YOLOv5算法实现了35.3%的mAP@0.5和20.0%的mAP@0.5:0.95.
- 在mAP@0.5和mAP@0.5:0.95分别表现出4.0%和3.5%的性能改善,相比于标准YOLOv5.5.
- 验证了拟议模块在改善无人机小型目标检测方面的有效性.
结论:
- 在复杂的交通场景中,GBS-YOLOv5显著提高了无人机在小型目标检测准确度.
- 新的架构修改有效地解决了信息丢失问题,并提高了深度学习模型中的功能利用率.
- 这种算法为利用空中监视的智能交通管理系统提供了有前途的进步.
更多相关视频
07:49Automated Deployment of an Internet Protocol Telephony Service on Unmanned Aerial Vehicles Using Network Functions Virtualization
Published on: November 26, 2019
11:41Evaluation of an Exclusive Spur Dike U-Turn Design with Radar-Collected Data and Simulation
Published on: February 1, 2020
相关概念视频
Field Application of Global Positioning System
Types of Global Positioning System Surveys
Improving Translational Accuracy
Introduction to Global Positioning System
Errors in Global Positioning System
Turbulent Flow: Problem Solving
Temperature is a key factor in CO2 solubility. In this case, the CO2 gas and the liquid are cooled to 20°C. Lower temperatures...
