Indexed by：
Abstract：
针对目前车位检测方法效率低的问题,提出一种轻量级车位检测方法OG-YOLOv5.首先,基于YOLOv5网络添加车位分隔线方位回归分支,实现车位方位的准确预测,可直接根据网络预测结果推断完整车位信息;其次,通过检测尺度裁剪、Ghost模块重构网络实现模型轻量化;最后,通过在网络主干中引入ECA注意力机制、优化损失函数提高目标预测精度.通过对比实验,结果表明,所提 OG-YOLOv5 网络的 mAP@0.5 达到98.8％,模型参数量和计算量仅为原模型的 32.0％和 28.3％,在GPU和CPU上的检测时间分别减少 16.2％和28.1％,车位检测准确率和召回率分别达到 97.75％和 96.87％.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福州大学学报（自然科学版）
ISSN： 1000-2243
CN： 35-1337/N
Year： 2023
Issue： 3
Volume： 51
Page： 379-386
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 16
Affiliated Colleges：
