文档介绍：第39卷 第6期 数字技术与应用
2021年 6月 以此来得到交通信号灯的先验 段的算法可以近乎实时的完成一些目标检测的任务。
图 1 YOLOv5 网络结构图
YOLOV5 network structure
收稿日期:2021-04-14
作者简介:毛涛(1994—),男,江苏徐州人,研究生,研究方向:目标检测。
97
③万方数据第 39 卷 数字技术与应用
本算法使用YOLO的最新版本YOLOv5作为基础算法, 增强网络的学****能力,减少内存的消耗。YOLOv5中使用
为了对交通信号灯有比较好的检测结果。在保证速度的 了两种不同宽度和深度的CSP模型,能够获得更加丰富的
情况下,我们在YOLOv5的网络中添加了注意力模型,使 特征图,方便后面的检测。如表1所示,主干网络中每隔一
得YOLOv5的网络能够在训练以及测试阶段,提取出有用 个基础的卷积模块就会使用一个CSP结构来减少一下计
的交通信号灯特征,通过网络的不断学****对交通信号灯 算 量 , 同 时 保 证 网 络 能 够 有 很 好 的 能 力 去 学****。在
的检测变得更加准确。 YOLOv5的Neck模块中,使用了第二种CSP结构,增强了特
1 相关工作 征融合的能力,在YOLOv4中只是使用了简单的融合方法
进行融合,取得的融合想过相比YOLOv5是比较差的。
YOLOv5
YOLOv5一共有五个宽度和深度不同的网络模型,配
单阶段的YOLOv5目标检测