YOLOv5的改進(jìn)算法及其在自動(dòng)駕駛多目標(biāo)檢測(cè)的應(yīng)用研究

摘要： 車(chē)輛、行人等交通參與者的實(shí)時(shí)檢測(cè)是自動(dòng)駕駛汽車(chē)與外界環(huán)境實(shí)現(xiàn)信息交互的重要環(huán)節(jié)，而在復(fù)雜天氣條件下多目標(biāo)檢測(cè)精度低仍是一個(gè)挑戰(zhàn)性問(wèn)題。提出了一種YOLOv5的改進(jìn)算法及其在自動(dòng)駕駛多目標(biāo)檢測(cè)的應(yīng)用方法。該方法采用K-means++算法對(duì)數(shù)據(jù)集中的目標(biāo)樣本聚類(lèi)，以獲得更符合不同目標(biāo)尺度的錨框，提高多目標(biāo)定位及其實(shí)體分割的精度；在原YOLOv5的骨干網(wǎng)絡(luò)中添加Coordinate ...