基于YOLOv5的车辆目标检测算法轻量化改进

针对传统路端车辆目标检测算法参数多、检测速度较慢等问题，提出了基于YOLOv5 的车辆目标检测算法轻量化改进。首先，选用轻量化 EfficientnetV2 卷积神经网络对原骨干网络进行重构，同时在网络中引入 GAM 注意力机制；其次，为平衡 CIoU 损失和 IoU 损失在损失函数中的权重，引入 α-CIoU 损失代替原有的 CIoU 损失；最后，使用 soft-NMS 算法替换原有的 NMS 非极大值抑制算法。结果表明：相比原算法，改进后算法的精度提升了.51%，检测速度提升了 8.6%，模型大小降低了 31.7%；改进后的模型在提升检测速度的同时，还提高了路端车辆目标的检测性能。