基于改进YOLOv5的斑马线检测和汽车过线行为检测
今天带来一个基于改进YOLOv5的斑马线和汽车过线行为检测算法:CDNet,文章提出多项tricks, 数据集和复现代码开源!
1 信息
标题: CDNet: A Real-Time and Robust Crosswalk Detection Network on Jetson Nano Based on YOLOv5
CDNet: 一个基于YOLOv5的在Jetson Nano上实时、鲁棒的斑马线检测网络
作者:Zheng-De Zhang, Meng-Lu Tan, Zhi-Cai Lan, Hai-Chun Liu, Ling Pei, Wen-Xian Yu
时间:Feb, 2022
期刊:Neural Computing & Applications, IF 5.6
2 摘要
在复杂场景和有限计算能力下实现实时、鲁棒的斑马线(人行横道)检测是当前智能交通管理系统(ITMS)的重要难点之一。有限的边缘计算能力和多云、晴天、雨天、雾天和夜间等真实复杂的场景同时对这项任务提出了挑战。本研究提出基于改进YOLOv5的人行横道检测网络(CDNet),实现车载摄像头视觉下快速准确的人行横道检测,并在Jetson nano设备上实现实时检测。强大的卷积神经网络特征提取器用于处理复杂环境,网络中嵌入了squeeze-and-excitation(SE)注意力机制模块,使用负样本训练(NST)方法提高准确率,利用感兴趣区域(ROI)算法进一步提高检测速度,提出了一种新的滑动感受野短时向量记忆(SSVM)算法来提高车辆交叉行为检测精度,使用合成雾增强算法允许模型适应有雾的场景。最后,在 Jetson nano 上以 33.1 FPS 的检测速度,我们在上述复杂场景中获得了 94.83%