【论文阅读】Fast and accurate object detector for autonomous driving based on improved YOLOv5

原创 已于 2025-08-29 09:43:14 修改 · 971 阅读 · 12 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#目标检测 #论文阅读 #人工智能

于 2025-08-27 15:45:22 首次发布

Fast and accurate object detector for autonomous driving based on improved YOLOv5

发表时间：2023年；期刊：scientific reports
论文地址

摘要

自动驾驶是人工智能的一个重要分支，实时准确的目标检测是保证自动驾驶车辆安全稳定运行的关键。为此，本文提出了一种基于改进的YOLOv5的快速准确的自动驾驶目标检测器。首先，对YOLOv5算法进行了改进，引入结构重参数(REP)，通过训练-推理解耦提高了模型的精度和速度。此外，在训练阶段引入了神经架构搜索法对多分支再参数化模块中的冗余分支进行裁剪，提高了训练的效率和精度。最后，在网络中加入小目标检测层，并在各检测层加入协调注意机制，以提高模型对小型车辆和行人的识别率。实验结果表明，该方法在Kitti数据集上的检测准确率达到96.1%，FPS达到202，优于当前的许多主流算法，有效地提高了无人驾驶目标检测的准确性和实时性。

引言

近年来，机动车保有量大幅增加，极大地方便了人们的出行。然而，这一增长导致了日益拥挤的交通状况和交通事故频率的上升，这对安全出行构成了重大挑战。面对日益复杂的交通环境，往往需要个人凭自身经验选择合适的出行路线，应对路上可能出现的各种突发事件。即使是经验丰富的司机也不能幸免于遇到不可预测的危险。

随着大数据、人工智能等计算机技术的发展，智慧城市、自动驾驶等技术手段为缓解交通压力和交通安全问题提供了新的解决方案。无论是智能城市还是自动驾驶，都需要对交通场景进行分析，以获取有用的信息，即感知外部环境

最低0.47元/天 解锁文章
Sugar_pp
关注
SOD-YOLOv8 - 增强YOLOv8以在交通场景中检测小目标
TJMtaotao的博客，高校计算机教师
10-20 2421
提出了Small Object Detection YOLOv8 (SOD-YOLOv8)，这是一种专门针对涉及众多小目标场景的新颖模型。 受到Efficient Generalized Feature Pyramid Networks (GFPN)的启发，作者在YOLOv8中增强多路径融合，以合并多层级的特征，保留浅层细节并提高小目标检测精度。 引入第4个检测层用于有效利用高维度的空间信息。 C2f-EMA模块中的高效多尺度注意力模块（EMA）通过重新分配权重和优先考虑相关特征增强特征提取。
目标检测经典论文——YOLOv4论文翻译：YOLOv4: Optimal Speed and Accuracy of Object Detection（YOLOv4: 目标检测最优速度和精度）
bigcindy的博客
08-01 7623
YOLOv4: Optimal Speed and Accuracy of Object Detection YOLOv4: 目标检测最优速度和精度 Alexey Bochkovskiy* alexeyab84@gmail.com Chien-Yao Wang* Institute of Information Science Academia Sinica, Taiwan kinyiu@iis.sinica.edu....
Understanding 3D object detection for autonomous driving
weixin_39589871的博客
11-24 573
理解自动驾驶中的3D目标检测： https://github.com/Tom-Hardy-3D-Vision-Workshop/awesome-Autopilot-algorithm 基于单目图像的3D检测 Task-Aware Monocular Depth Estimation for 3D Object Detection M3D-RPN: Monocular 3D Region Proposal Network for Object Detection Monocular 3D Objec
论文阅读《3D Object Detection Method Based on YOLO and K-Means for Image and Point Clouds 》
Max_ZhangJF的博客
09-07 1440
Abstract Lidar based 3D object detection and classification tasks are essential for autonomous driving(AD). A lidar sensor can provide the 3D point cloud data reconstruction of the surrounding environment. However, real time detection in 3D point clouds s.
CVPR2020 Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector论文翻译
Q1u1NG的博客
11-17 2195
ECCV2020 Flow-edge Guided Video Completion20论文翻译 论文地址：Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector
yolov7论文翻译
qq_34508123的博客
11-11 870
YOLOv7 在速度和准确性方面均超越了所有已知的目标检测器，在 5 FPS 到 160 FPS 的范围内表现卓越，并且在 V100 GPU 上，以 30 FPS 或更高的实时性能达到了所有已知目标检测器中的最高准确率 56.8% AP。YOLOv7-E6 目标检测器（V100 上 56 FPS，55.9% AP）在速度上比基于 Transformer 的检测器 SWINL Cascade-Mask R-CNN（A100 上 9.2 FPS，53.9% AP）快 509%，准确率高 2%；
目标检测经典论文——YOLOv4论文翻译（纯中文版）：YOLOv4: 目标检测最优速度和精度（YOLOv4: Optimal Speed and Accuracy of Object Detecti）
bigcindy的博客
08-02 3626
目标检测经典论文翻译汇总：[翻译汇总] 翻译pdf文件下载：[下载地址] 此版为纯中文版，中英文对照版请稳步：[YOLOv4中英文对照版] YOLOv4: 目标检测最优速度和精度 Alexey Bochkovskiy* alexeyab84@gmail.com Chien-Yao Wang* Institute of Information Science Academia Sinica, Taiwan kinyiu@i
Cybersecurity Challenges In The Uptake Of Artifitial Intelligence in Autonomous Driving [1]
weixin_40928171的博客
05-17 1967
• State-of-the-art literature survey on AI • Mapping of AVs’ functions to their respective AI techniques • Analysis of cybersecurity vulnerabilities • Presentation of possible attack scenario • Presentation of challenges and corresponding recommendations
【定位系列论文阅读】-Patch-NetVLAD: Multi-Scale Fusion of Locally-Global Descriptors for Place Recognition（一）
weixin_46050242的博客
01-05 2450
Global Feature Match—— for 粗定位
【论文阅读笔记】FedProx
si_ying的博客
11-20 980
摘要：本文针对联邦学习中的系统异构性和统计异构性挑战，提出FedProx优化框架。FedProx通过允许设备执行可变计算量并添加近端项来稳定收敛，在理论上提供非独立同分布数据下的收敛保证，并在实验中表现出比FedAvg更优的性能，在高度异构环境下平均测试准确率提升22%。FedProx是FedAvg的泛化形式，通过灵活处理设备资源差异和数据分布偏差，显著提升了联邦学习的鲁棒性。实验在合成和真实数据集上验证了其有效性，同时指出参数调优等改进空间。该研究为异构网络中的联邦优化提供了重要解决方案。
论文笔记（一百零三）π0.6 : a VLA That Learns From Experience（二）
xzs1210652636的博客
11-20 870
我们研究视觉-语言-行动（vision-language-action, VLA）模型如何在真实世界部署中通过强化学习（reinforcement learning, RL）持续提升能力。 我们提出了一种通用方法——基于优势条件策略的经验与纠正强化学习（RL with Experience and Corrections via Advantage-conditioned Policies, RECAP），该方法通过“优势条件化”（advantage conditioning）为 VLA 模型提供强化学习训
[论文阅读] (44)一种基于LLM少样本多标签的Android恶意软件检测方法
杨秀璋的专栏
11-21 963
前一篇博客介绍评估LLMs在真实恶意软件活动的恶意代码解混淆能力，展示了大模型在有效去除载荷混淆方面的巨大潜力。本文将概述一种基于LLM少样本多标签的Android恶意软件检测方法，在提升在噪声场景和数据稀缺场景下的检测鲁棒性。实验表明，LeoDroid 在所有数据集上均取得 MS-ACC 超过 0.93 的性能。注意，由于我们团队还在不断成长和学习中，写得不好的地方还请海涵，希望这篇文章对您有所帮助，这些大佬真值得我们学习。fighting！
FC-CLIP 论文阅读 开放词汇的检测与分割的统一
最新发布
Traceyfind的博客
11-24 516
摘要：FC-CLIP提出一种单阶段开放词汇分割框架，通过共享冻结的卷积CLIP主干解决传统两阶段方法计算量大和特征对齐问题。该方法包含类无关掩码生成器和双分类头（训练集内/外），利用Mask2Former风格解码器生成候选掩码，并通过几何集成策略融合分类结果。实验表明，冻结CLIP主干能保持零样本能力，而CNN结构对分辨率变化更鲁棒，在保持开放词汇性能的同时显著提升效率。（149字）
《ShadowCoT: Cognitive Hijacking for Stealthy Reasoning Backdoors in LLMs》——论文阅读
2301_77039628的博客
11-22 792
本文提出ShadowCoT框架，首次实现针对大语言模型推理过程的后门攻击。该方法通过精准定位关键注意力头，采用三阶段训练（初步对齐-强化学习-监督重对齐）和推理链污染机制（RSC残差扰动+CABA偏差放大），以仅0.15%参数更新量实现高效攻击。实验显示在LLaMA-2等模型上平均攻击成功率超85%，推理劫持成功率78%，且对抗推理链的困惑度接近正常输出，检测率仅11.7%。该工作揭示了CoT范式下模型内部推理轨迹的安全脆弱性，为防御研究提供了新方向。
DetLH论文阅读
Traceyfind的博客
11-24 422
本文提出DetLH方法，通过语言层次结构和弱监督实现开放词汇目标检测。该方法利用WordNet扩展图像级标签为多标签分类问题，结合CLIP生成伪标签进行训练。关键创新包括：1）语言层次自训练（LHST），通过置信度加权处理扩展标签的可靠性；2）语言层次提示生成（LHPG），将测试词汇映射到WordNet空间解决语义不对齐问题。实验表明，该方法能使用廉价图像级标签训练通用检测器，在不同主干网络上均有效，实现了开放词汇检测能力。
论文笔记（一百零三）π0.6 : a VLA That Learns From Experience（一）
xzs1210652636的博客
11-20 973
本文提出RECAP方法，通过优势条件策略实现视觉-语言-行动(VLA)模型的持续强化学习改进。该方法整合示教数据、自主执行数据和专家干预数据，采用离线强化学习预训练通用VLA模型π0.6，再通过真实机器人数据进行任务专业化。实验表明，完整RECAP流程能显著提升模型性能：在叠衣服、组装纸箱和操作咖啡机等复杂任务中，任务吞吐量提高2倍以上，失败率降低约一半。这使π0.6模型具备实际应用水平的鲁棒性，如连续13小时制作咖啡、2小时叠衣等。相比现有方法，RECAP支持更大规模模型训练，处理更复杂的真实世界任务。
【论文笔记】视频RAG-Vgent：基于图结构的视频检索推理框架
xian0710830114的专栏
11-21 6327
Vgent专门用于解决解决长视频理解的难题。简单来说，就是让AI能够更好地看懂和理解几十分钟甚至几小时的视频内容。下面我用通俗易懂的方式给你讲讲它最核心的亮点。
Back to Basics: Let Denoising Generative Models Denoise 论文阅读学习
qq_45987837的博客
11-20 565
如今的去噪扩散模型并不以经典意义上的"去噪"方式工作，即它们不直接预测干净图像。相反，神经网络预测的是噪声或含噪声的量。在本文中，我们认为预测干净数据与预测含噪声的量存在根本区别。根据流形假设，自然数据应位于低维流形上，而含噪声的量则不然。基于此假设，我们提倡模型应直接预测干净数据，这使得看似容量不足的网络能够在非常高维的空间中有效运作。我们展示了在像素上使用简单的大块Transformer可以成为强大的生成模型：无需分词器、无需预训练、也无需额外损失。我们的方法在概念上无非就是 “仅仅是图像Transfo
【论文阅读19】-用于PHM的大型语言模型：优化技术与应用综述
Ma040713的博客
11-21 843
一种基于海量文本数据训练的、拥有数十亿甚至更多参数的深度学习模型，能够理解、生成和处理自然语言。
1 channel pruned yolov5-based deep learning approach for rapid and accurate
07-24
### 回答1： 1 channel pruned yolov5-based深度学习方法是一种快速准确的物体检测方法。 Yolov5是一种深度学习模型，用于目标检测任务。它具有快速高效的特点，适用于需要实时处理大量目标的场景。然而，传统的yolov5模型在一些应用中存在着计算复杂度高、模型参数多等问题。 为了解决这些问题，提出了一种基于通道剪枝的方法。通道剪枝是一种模型压缩技术，通过减少模型中的参数量和计算量，来实现模型的快速推理。 该方法首先对初始的yolov5模型进行训练，然后使用通道剪枝算法来剪枝模型中的冗余通道。剪枝后，模型的参数数量和计算量显著减少，同时保持了模型的准确性。 经过实验证明，采用1 channel pruned yolov5-based深度学习方法的物体检测任务的准确性与传统yolov5模型相当，但速度更快。这种方法具有广泛的应用前景，可以在实时场景下实现快速高效的目标检测，如智能交通系统、安防监控等。 总而言之，1 channel pruned yolov5-based深度学习方法是一种快速准确的物体检测方法，通过通道剪枝技术实现模型的压缩，提高了模型的计算效率，适用于需要实时处理大量目标的应用场景。 ### 回答2： 1通道修剪 YOLOv5 基于深度学习的快速准确方法： 深度学习在计算机视觉领域的广泛应用，如目标检测和识别，已经取得了显著的成果。然而，现有的深度学习模型在实时性和准确性之间存在着一种权衡。为了解决这个问题，我们提出了一种基于 YOLOv5 的通道修剪方法，能够实现同时快速和准确的目标检测。 通道修剪是一种通过减少模型中的冗余通道来实现模型压缩和加速的技术。我们观察到，在YOLOv5这样的目标检测模型中，存在着一些冗余的通道，这些通道对目标检测的准确性没有太大的贡献。因此，我们利用剪枝算法对模型中的冗余通道进行剪枝，从而减小模型的大小并提高模型的推理速度。 具体而言，我们首先通过分析模型中各个通道对目标检测的贡献来确定哪些通道是冗余的。然后，我们使用剪枝算法对这些冗余通道进行剪枝，剔除它们对模型推理的影响。通过这种方式，我们实现了模型的压缩和加速。 我们在几个常见的目标检测数据集上进行了实验，结果表明，我们的通道修剪方法不仅能够在保持高准确性的同时，大大减小模型的大小，还能够显著提高模型的推理速度。这使得我们的方法在需要快速而准确的目标检测的场景下具有很大的应用潜力，例如实时视频分析和自动驾驶等领域。 总而言之，我们提出的基于 YOLOv5 的通道修剪方法，通过剪枝冗余通道实现了模型的快速和准确的目标检测。我们的方法对于需要实时性和准确性的应用具有很大的潜力，在未来的研究中可以进一步优化和扩展。 ### 回答3： 基于Yolov5的深度学习方法是一种用于快速而准确的目标检测的通道剪枝方法。 在目标检测任务中，Yolov5是一种常用的深度学习模型，它能够高效地检测图像中的多个目标物体。然而，由于模型设计较为复杂，计算量较大，因此需要较长的处理时间。 为了解决这个问题，研究人员提出了一种基于通道剪枝的方法来对Yolov5模型进行优化。通道剪枝是一种模型压缩技术，它通过剪枝模型中不重要的通道（特征图）来降低计算量，从而实现模型的加速。 这种方法首先使用初始训练集进行基准训练，得到一个初始的Yolov5模型。然后，通过计算每个通道的重要性得分，对模型进行剪枝。具体而言，通道的重要性得分可以通过计算其对目标检测精度的影响来衡量。 一旦剪枝完成，剩余通道将被重新组合成一个新的模型。与原始模型相比，这个新模型计算量更小，因此能够实现更快的推理速度。同时，通过精心设计的剪枝策略和迭代训练，剪枝后模型的准确率也能得到保证。 总之，这种基于通道剪枝的Yolov5深度学习方法可以在保持高准确率的同时，显著缩短模型的推理时间。这对于需要快速且准确地进行目标检测的应用场景非常有用。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值