基于改进 YOLOv5 的行车目标检测与分割研究

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.12361/2661-3549-05-09-143714

基于改进 YOLOv5 的行车目标检测与分割研究

巫少方, 陈朝大, 陈浩霖

广州航海学院船舶与海洋工程学院广东广州 510725

全文直达

引用

打印

摘要：行车道路目标检测与分割是计算机视觉领域的重要研究课题。为更准确且快速的检测汽车、车道线等目标，本文提出了一种基于改进 YOLOv5 算法的目标检测模型进行道路目标检测与语义分割的方法。在 YOLOv5 模型中利用全卷积神经网络（Fully Convolutional Networks, FCN）进行道路目标的检测及语义分割。实验结果显示对道路的目标特征的预测精度达 88%，召回率达 99%，实现了快速准确的道路目标的检测与分割，有效提高了行车目标检测效果。

关键词：

行车道路;目标检测;语义分割;YOLOv5

Universe Scientific Publishing

ISSN：2661-3530

年,卷(期)：2023,5(9)