基于改进YOLOv5s车载雷达图像目标检测分类方法
作者机构:南京信息工程大学电子与信息工程学院
出 版 物:《现代雷达》 (Modern Radar)
年 卷 期:2024年
学科分类:080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 082304[工学-载运工具运用工程] 081104[工学-模式识别与智能系统] 081105[工学-导航、制导与控制] 080204[工学-车辆工程] 0802[工学-机械工程] 081001[工学-通信与信息系统] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:目标检测与分类 雷达图像 YOLOv5s 特征融合 解耦头
摘 要:针对车载毫米波雷达图像细节模糊、目标占比小的问题,本文提出了一种基于YOLOv5s改进的目标检测分类网络。首先通过帧同步与最小外接矩形方法处理原始数据集,获得由相机、激光雷达联合标定的毫米波雷达距离-方位图像与标注信息,然后将YOLOv5s网络的上采样模块改进为CARAFE,使网络充分融合不同尺度特征,并通过网络损失函数为CIoU Loss的改进,使预测结果更加精确,最后,通过网络解耦头Decoupled head采用不同的分支并行处理检测与分类问题。实测数据实验处理结果表明,本文所提方法较原始YOLOv5s网络的mAP@0.5与mAP@0.5:0.95分别提升了3.3%和2.0%,尤其适用于小目标检测,并能同时满足检测和分类精度与实时性要求,适合部署至车载嵌入式系统中。