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: