• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種基于改進(jìn)YOLOv5s的車道線檢測方法

    2022-05-11 05:47:36舒小華楊明俊
    關(guān)鍵詞:錨框車道準(zhǔn)確率

    韓 逸,舒小華,楊明俊

    (湖南工業(yè)大學(xué) 軌道交通學(xué)院,湖南 株洲 412007)

    0 引言

    隨著城市交通的迅速發(fā)展以及圖像處理技術(shù)的逐漸成熟,應(yīng)用在車輛上的輔助視覺功能被越來越廣泛地應(yīng)用。智能駕駛逐漸成為當(dāng)下的熱門技術(shù)與話題,其中圖像與視頻處理是其主要的研究對象。而在車輛對道路信息的收集中,車道線的信息收集尤為重要。它不僅可以為車輛導(dǎo)航提供參考,而且可以被應(yīng)用于目標(biāo)檢測和汽車預(yù)警等方面。在傳統(tǒng)算法方面,車道線檢測主要是提取圖像的邊緣信息,一般先用Canny算子或者Sobel算子對圖像進(jìn)行邊緣檢測,然后用高斯算法或者最小二乘法進(jìn)行擬合。而隨著機器學(xué)習(xí)的不斷發(fā)展,深度學(xué)習(xí)的方法也被應(yīng)用到車道線檢測中。

    目前,基于目標(biāo)識別的深度學(xué)習(xí)方法主要分為兩種:一是two stage的R-CNN(region convolutional neural networks)系列,其框架精度較高,網(wǎng)絡(luò)結(jié)構(gòu)較深,訓(xùn)練時間較長;二是one stage的YOLO(you only look once)、SDD(system definition directive)系列[1],這種框架訓(xùn)練速度快、結(jié)構(gòu)簡單、檢測速度快,具有可實時檢測性[2]。YOLO系列至今已發(fā)展到Y(jié)OLOv5系列。相較于之前的YOLOv3和YOLOv4系列,YOLOv5系列具有體積小、檢測速度快、檢測精度高等特點[3]。王灃[4]對YOLOv5框架進(jìn)行了改進(jìn),增加了k-means++算法,對anchor先進(jìn)行聚類,以提升檢測框的檢測率,并將GIoU(generalized intersection-over-union)損失函數(shù)改成CIoU(complete intersection-over-union)函數(shù),改進(jìn)后的框架對于安全帽的檢測率有所提高。林清平等[5]對于YOLOv5框架的改進(jìn)方法體現(xiàn)在特征金字塔網(wǎng)絡(luò)(feature pyramid networkimage,F(xiàn)PN)結(jié)構(gòu)上,其在FPN中增加了一個平衡系數(shù),以增大小目標(biāo)在相鄰特征層融合過程中保留的比例。崔文靚等[6]在YOLOv3框架上增加了k-means++算法進(jìn)行先驗框計算,并用GPU(graphics processing unit)進(jìn)行訓(xùn)練和檢測,實驗結(jié)果表明該處理的檢測率提升了11%。楊曉玲等[7]在數(shù)據(jù)集方面進(jìn)行了Mosaic增強,隨機選取訓(xùn)練數(shù)據(jù)中的4張圖片,采用隨機縮放、隨機排布、隨機裁剪的方式進(jìn)行拼接以豐富圖像數(shù)據(jù),這種方法增加了數(shù)據(jù)的魯棒性,對于圖像中小物件對象的檢測率有所增加。Qu Z.等[8]將車道線的整體問題轉(zhuǎn)化成局部特征點與這個點關(guān)聯(lián)的特征點問題,并通過由粗到細(xì)的方法調(diào)整曲線,該方法可以嵌套到任意的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)中。對車道線中心點進(jìn)行高斯編碼,再用偏移量進(jìn)行區(qū)域搜索,可擬合到其他特征點,連接這些特征點即可得到擬合曲線。周衛(wèi)林等[9]基于GoogLeNet建立了一種端到端的車道線檢測網(wǎng)絡(luò)模型,先用YOLOv3框架對車道前方的障礙物進(jìn)行識別檢測,再用長短期記憶網(wǎng)絡(luò)做決策,最后根據(jù)歷史編碼信息描繪車輛運動模式,結(jié)合當(dāng)前狀態(tài)得到駕駛參數(shù)。

    基于以上研究,為了提高車道線檢測的實時性與準(zhǔn)確性,本研究在機器學(xué)習(xí)的框架下,提出了一種基于改進(jìn)的YOLOv5s模型檢測算法。改進(jìn)算法中,對于車道線的檢測,因為YOLO系列在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)方面具有檢測速率較快、網(wǎng)絡(luò)架構(gòu)較簡單、檢測精度較高等優(yōu)點,故采用該系列的神經(jīng)網(wǎng)絡(luò)進(jìn)行實驗。又因YOLOv5是該系列中的新產(chǎn)品,在網(wǎng)絡(luò)結(jié)構(gòu)上相較于前幾代具有創(chuàng)新性,檢測速率和準(zhǔn)確率又有所提升,所以采用one stage的YOLOv5模型進(jìn)行檢測。在回歸框損失函數(shù)方面,將其改進(jìn)為EIOU(efficient input/output unit)損失函數(shù);在數(shù)據(jù)處理方面,增加圖像預(yù)處理之后的二值化圖像參數(shù)進(jìn)行參考,并且采用anchor-free,以提高先驗框的準(zhǔn)確度。為了驗證改進(jìn)算法的有效性,通過實驗,將得到的檢測結(jié)果與YOLOv5的檢測結(jié)果進(jìn)行對比,發(fā)現(xiàn)改進(jìn)算法的平均精度均值(mean average precision,mAP)增加了約11%,能夠?qū)崿F(xiàn)較為準(zhǔn)確的車道線檢測,并具有良好的魯棒性。

    1 YOLOv5目標(biāo)檢測算法

    1.1 YOLOv5框架

    YOLOv5分為S、M、L、X 4種模型,其中S模型網(wǎng)絡(luò)結(jié)構(gòu)最為簡單,訓(xùn)練和檢測速率最快;X模型網(wǎng)絡(luò)結(jié)構(gòu)最為復(fù)雜,深度最深,但是檢測效果最佳。本研究采用L模型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練和檢測,在訓(xùn)練速度和檢測效果兩者中折中取舍。相比于YOLOv3,YOLOv5的改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 YOLOv5改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)框圖Fig.1 YOLOv5 improved network architecture block diagram

    圖1中,每個結(jié)構(gòu)框?qū)雍竺娑歼B接著一個CBL(conv + BN + LeakyReLU)層,其作用是添加一個BN(batch normalization)層和一個激活函數(shù),具有神經(jīng)網(wǎng)絡(luò)的功能。 Backbone是YOLOv5的主體部分,其中Focus層是YOLOv3和YOLOv4兩者所不具備的,它的功能是進(jìn)行切片操作,即將圖像切片后進(jìn)行下采樣操作。雖然其步驟比其他下采樣算法復(fù)雜,但能保持信息較為完整。CSPNet(cross stage partial network)層進(jìn)行局部跨層融合,通過每層的特征信息來獲得更加豐富的特征圖[10];Neck部分采用FPN+PAN(perceptual adversarial network)結(jié)構(gòu),F(xiàn)PN是自頂向下的,將高層的特征信息通過上采樣的方式進(jìn)行傳遞融合,得到進(jìn)行預(yù)測的特征圖。FPN主要應(yīng)用了分治法(divide-and-conquer)解決目標(biāo)檢測問題[11]。PAN是自底向上,將底層的特征信息通過下采樣方式進(jìn)行傳遞融合。兩者相輔相成,從不同的主干層對不同的檢測層進(jìn)行特征聚合;在錨框擬合方面,YOLOv5采用GIoU損失函數(shù),現(xiàn)將其改為EIOU函數(shù),相較而言,EIOU將目標(biāo)框的寬和高分別進(jìn)行處理,回歸速度更快、效果更好。

    1.2 YOLOv5數(shù)據(jù)增強

    YOLOv5在數(shù)據(jù)增強方面采用的是Mosaic(馬賽克)增強,即將數(shù)據(jù)集中的3張或4張圖片通過旋轉(zhuǎn)、翻轉(zhuǎn)、平移等一系列圖像變換操作后,融合成一張新的圖像,新圖像中的目標(biāo)作為一副新的圖像數(shù)據(jù)與原數(shù)據(jù)集一起進(jìn)行訓(xùn)練,達(dá)到擴大數(shù)據(jù)集的效果,增強對目標(biāo)物體的識別能力。

    這種方法是由YOLOv4首先提出來的,現(xiàn)已被很好地運用于YOLOv5中。Mosaic算法將原數(shù)據(jù)集的圖片進(jìn)行融合,相當(dāng)于變相地增加了batch_size,這樣在訓(xùn)練過程中能減少顯存的消耗,讓顯存不是很大的GPU也能進(jìn)行訓(xùn)練。

    2 算法改進(jìn)

    2.1 圖像數(shù)據(jù)

    一般的車道線檢測數(shù)據(jù)集大多是對彩色圖像信息的采集,而在數(shù)據(jù)信息復(fù)雜度較高且對應(yīng)圖像數(shù)量較少的情況下,訓(xùn)練效果不明顯,會導(dǎo)致檢測時產(chǎn)生漏檢或者誤檢的現(xiàn)象。針對這一問題,本研究提出加入黑白圖像信息通道,將彩色圖像對應(yīng)的預(yù)處理后的二值化圖像一起加入數(shù)據(jù)集中進(jìn)行訓(xùn)練,以提高檢測準(zhǔn)確率。

    2.2 損失函數(shù)

    YOLOv5采用的損失函數(shù)為GIoU函數(shù),GIoU函數(shù)是交并比(intersection-over-union,IoU)函數(shù)[12]的改進(jìn)版。IoU函數(shù)用于計算預(yù)測檢測框和真實檢測框的相交占比,可以反映兩個框的檢測效果,其表達(dá)式為

    式中:A為預(yù)測檢測框;

    B為真實檢測框。

    IoU函數(shù)存在的問題是,當(dāng)A和B兩個框并沒有相交時,即A∩B=0時,則IoU不能體現(xiàn)兩者之間的距離,且loss=0無法回歸,無法進(jìn)行訓(xùn)練。為了解決這一問題,提出了GIoU函數(shù),其先計算兩個框的最小閉包區(qū)域面積Ac,再計算出IoU;然后計算閉包區(qū)域中不屬于兩個框的區(qū)域占閉包區(qū)域的比例;最后,用IoU減去計算所得比例值得到GIoU,具體的計算公式如下:

    式中U為兩個框的重疊區(qū)域。

    當(dāng)兩個框完全相交時,GIoU=1;而兩個框不相交時,距離越遠(yuǎn),GIoU越接近-1。它的缺點是在兩者出現(xiàn)圖2情況時,GIoU會退化成IoU,無法體現(xiàn)出兩者的相對位置。

    圖2 預(yù)測框與真實框位置關(guān)系示意圖Fig.2 Position relationship between prediction frame and real frame

    為了解決這個問題,提出了DIoU損失函數(shù),其表達(dá)式如下:

    式中:b、bgt分別為預(yù)測框和真實框的中心點位置;

    p為兩點之間的歐氏距離;

    c為能包含兩個框的最小閉包區(qū)域的對角線距離。

    引入損失函數(shù)后,不僅能反映兩者完全包含情況下的位置距離,并且DIoU可以直接最小化兩個框的距離,比GIoU的收斂速度更快。

    CIoU則是在DIoU的基礎(chǔ)上,考慮了Bounding box的縱橫比,因而進(jìn)一步提升了其回歸精度,CIoU的表達(dá)式如下:

    式中:α為trade-off參數(shù),其計算式為

    v是用來衡量長寬比一致的參數(shù),其計算式為

    其中,w和h分別為錨框的寬和高。

    CIoU loss的梯度在寬高比屬于[0, 1]區(qū)間內(nèi)時會爆炸,因為w2+h2的值會很小,所以令這個值等于1即可[13]。CIoU考慮的東西最全面,相較而言是目前比較好的一種損失函數(shù)[14]。

    而EIOU[15]則是在CIoU的基礎(chǔ)上,將縱橫比因子拆開分別計算目標(biāo)框的長和寬,其計算式如下:

    式中:Cw、Ch分別為覆蓋兩個BOX的最小外界框的寬度和高度。

    圖3是GIoU和EIOU在同一數(shù)據(jù)集訓(xùn)練下的收斂效果圖。

    圖3 GIoU與EIOU的收斂效果圖Fig.3 Convergence effect diagrams of GIoU and EIOU

    圖3中橫坐標(biāo)為訓(xùn)練輪數(shù),縱坐標(biāo)為損失(loss)。由圖可以得知,EIOU的收斂效果比GIoU的收斂效果更好。

    2.3 錨框機制

    在YOLOv5s中,對于anchor先驗框的計算,是通過k-means聚類方法進(jìn)行的。人工標(biāo)注之后的檢測框通過k-means聚類得到先驗框,將其與真實框進(jìn)行對比、更新等一系列操作后,得到新的數(shù)據(jù)框。這一操作太過復(fù)雜,計算量較大,在車道線的標(biāo)注上體現(xiàn)得不是很好。根據(jù)這一問題,提出anchor-free的錨框算法。

    現(xiàn)有錨框機制主要有anchor-based和anchor-free兩種。YOLOv3、YOLOv5系列都是用anchor-based直接在特征圖上對錨框進(jìn)行回歸和預(yù)測,這樣能避免重復(fù)的卷積運算,加快檢測速率。但是會降低檢測精確度,對于小物體目標(biāo)的檢測效果不顯著。

    anchor-free檢測器以兩種不同的方式檢測物體,一種是首先定位到多個預(yù)定義或自學(xué)習(xí)的關(guān)鍵點,然后約束物體的空間范圍,稱為Keypoint-based方法;另一種是利用中心點或中心目標(biāo)區(qū)域來定義正樣本,然后預(yù)測其到目標(biāo)4個邊的距離,稱為Center-based方法。這種方法能讓檢測流程進(jìn)一步精簡,減少許多超參數(shù)的存在,提高系統(tǒng)的泛化能力。

    根據(jù)車道線在目標(biāo)檢測中的錨框標(biāo)定,采用Center-based方法進(jìn)行檢測。將圖像分為S×S個網(wǎng)格,只要車道線的中心點落在網(wǎng)格內(nèi),則用這個網(wǎng)格負(fù)責(zé)本車道線的檢測。通過計算中心點到網(wǎng)格4個端點的距離來進(jìn)行檢測和錨定[16]。

    2.4 數(shù)據(jù)增強算法

    在1.2中介紹過Mosaic的數(shù)據(jù)增強算法,其優(yōu)點是能夠增強神經(jīng)網(wǎng)絡(luò)對目標(biāo)的學(xué)習(xí)能力,而且能讓機器不太依賴batch_size的大小,讓顯存小的GPU也能很好地進(jìn)行訓(xùn)練。該方法仍然是在數(shù)據(jù)集上進(jìn)行工作。

    而mixup數(shù)據(jù)增強,則是一種與數(shù)據(jù)無關(guān),更為簡單的數(shù)據(jù)增強算法[17],相較Mosaic算法而言,其計算量更小、操作更簡單。其操作如下:在樣本中隨機抽取兩個樣本,讀取它們的樣本標(biāo)簽數(shù)據(jù),進(jìn)行融合計算后得到一個新的樣本標(biāo)簽數(shù)據(jù),再將該數(shù)據(jù)加入樣本中進(jìn)行訓(xùn)練。mixup數(shù)據(jù)增強的計算公式如下:

    式中:λ為權(quán)重,根據(jù)α與β兩個超參數(shù)的貝塔分布計算獲得;

    x1、x2分別為兩個圖像樣本;

    y1、y2分別為對應(yīng)的兩個樣本標(biāo)簽。

    這樣,就獲得了一個新的圖像樣本和一個新的標(biāo)簽數(shù)據(jù)。根據(jù)文獻(xiàn)[17]中的實驗數(shù)據(jù),α和β的超參數(shù)無論怎么設(shè)置,其期望都不會超過0.5,這可能是因為權(quán)重在訓(xùn)練過程中期望近似0.5,所以將α和β都設(shè)置為0.5時,效果會比較好。

    為了能保證GPU訓(xùn)練最大化,并豐富數(shù)據(jù)特征,本研究采用Mosaic和mixup算法相結(jié)合的方式,一起進(jìn)行數(shù)據(jù)增強。

    3 實驗及結(jié)果分析

    3.1 實驗流程

    1)從Tusimple數(shù)據(jù)集中挑選3 000張公路圖像,這些圖像具有一定的標(biāo)志性(如不同的天氣狀況、不同的道路信息狀況等),然后用labelimg軟件進(jìn)行標(biāo)注,生成xml文件。

    2)將這3 000張公路圖像轉(zhuǎn)換為二值化圖像,并進(jìn)行標(biāo)注,生成label文件,然后與原圖像和原標(biāo)簽文件匯總成新的數(shù)據(jù)集。

    3)將YOLOv5s中的autoanchor改為center_based算法,將GIoU算法改為CIoU算法,并加入mixup算法,與Mosaic一起進(jìn)行數(shù)據(jù)增強。

    4)設(shè)置對應(yīng)的超參數(shù),以及訓(xùn)練代碼中的batch_ size大小,然后輸入圖像大小,進(jìn)行訓(xùn)練。

    5)保存訓(xùn)練后的結(jié)果權(quán)重文件,并進(jìn)行檢測實驗,得出結(jié)果。

    3.2 實驗數(shù)據(jù)準(zhǔn)備

    實驗的數(shù)據(jù)集采用Tusimple數(shù)據(jù)集中的3 000張隨機圖像,將其壓縮為320*180的圖像,這樣的圖像訓(xùn)練完成后,能在實際應(yīng)用中增加識別小目標(biāo)的準(zhǔn)確度。在labelimg軟件中對每一張圖像的車道線信息進(jìn)行標(biāo)注,然后將每張圖像進(jìn)行圖像預(yù)處理后的二值化圖像加入數(shù)據(jù)集中,增加參考量。

    Tusimple數(shù)據(jù)集如圖4所示,a圖為天氣良好的情況,b圖為光照條件不好的情況。由圖可知,不同場景結(jié)合下的訓(xùn)練效果魯棒性較好。

    圖4 Tusimple數(shù)據(jù)集Fig.4 Tusimple data set

    3.3 實驗平臺及參數(shù)設(shè)置

    實驗在CPU為Intel(R) Core(TM) i5-9300H CPU@ 2.40 GHz,GPU為NVIDIA GeForce GTX 1650,CUDA為11.0版,Cudnn為8.0版的配置上完成,并使用pytorch軟件,調(diào)用opencv庫,搭建TensorFlow框架,完成實驗。

    設(shè)置的訓(xùn)練參數(shù)如表1所示。

    表1 訓(xùn)練參數(shù)設(shè)置Table 1 Training parameter setting

    3.4 實驗結(jié)果分析

    下面主要對于上文論述的相關(guān)內(nèi)容進(jìn)行消融實驗,表2是加入二值化圖像前后的對比實驗結(jié)果。

    表2 不同圖像數(shù)據(jù)處理方式的實驗結(jié)果對比Table 2 Image data processing comparison %

    由表2中的數(shù)據(jù)可知,加入二值化圖像數(shù)據(jù)后,mAP數(shù)值上升了2.8%,但準(zhǔn)確率基本保持不變,說明加入二值化圖像對于車道線信息的識別準(zhǔn)確率具有一定的提升效果。

    表3是選用YOLOv5s時,采用不同損失函數(shù)的檢測結(jié)果。

    表3 不同損失函數(shù)下的檢測結(jié)果對比Table 3 Comparison of detection results under different loss functions

    由表3中的數(shù)據(jù)可以得知,EIOU的檢測效果更好,且收斂效果也比GIoU的效果更加顯著。

    表4為對YOLOv5s修改錨框機制前后的mAP與準(zhǔn)確率檢測結(jié)果對比。

    表4 不同神經(jīng)網(wǎng)絡(luò)下的檢測效果對比Table 4 Comparison of detection effects under different neural networks %

    由表4可知,將anchor-based改為anchor-free后,對車道線的檢測mAP與準(zhǔn)確率均約提高了1%,且不用進(jìn)行k-means聚類預(yù)選錨框,節(jié)省了實驗步驟。

    表5給出在YOLOv5s增加了mixup增強算法前后的mAP檢測結(jié)果。

    表5 增加混合增強算法前后的檢測結(jié)果對比表Table 5 Comparison table of hybrid enhancement algorithms %

    由表5 可知,當(dāng)在YOLOv5s中加入了mixup后,進(jìn)一步對數(shù)據(jù)集進(jìn)行了數(shù)據(jù)增強,因此數(shù)據(jù)集的mAP和準(zhǔn)確率都得到了提升。

    最終的實驗結(jié)果測試標(biāo)準(zhǔn)采用mAP因子,并參考召回率和準(zhǔn)確率,三者結(jié)合進(jìn)行分析。本實驗分別用YOLOv3[17]、YOLOv5s以及改進(jìn)方法進(jìn)行對比實驗。在實驗之前,由于YOLOv5s的深度和寬度是YOLOv3的1/3,所以,為了確保實驗的準(zhǔn)確性,將YOLOv3的深度和寬度修改為與YOLOv5s一樣。得到的訓(xùn)練效果圖見圖5,其中a圖為YOLOv3的訓(xùn)練結(jié)果,b圖為YOLOv5s的訓(xùn)練結(jié)果,c圖為改進(jìn)算法的訓(xùn)練結(jié)果。從圖5中可以看出,YOLOv3的整體檢測率較低,且存在較多的誤檢情況,改進(jìn)之后的方法相較于YOLOv5整體上的檢測率有所提高,錨框機制也有所改進(jìn)。

    圖5 不同算法的實驗效果對比圖Fig.5 Comparison of experimental results of different algorithms

    SSD(single shot detection)因其網(wǎng)絡(luò)結(jié)構(gòu)簡單,檢測速率快,也經(jīng)常被用來識別目標(biāo),故加入一組SSD+VGG(Visual Geometry Group)16的對照實驗,不同算法的實驗結(jié)果數(shù)據(jù)見表6。

    表6 不同算法的實驗結(jié)果數(shù)據(jù)對比表Table 6 Comparison table of experimental results %

    由表6中的數(shù)據(jù)可以得知,對比YOLOv3,YOLOv5s在速度和準(zhǔn)確率上均有大幅度提升;在改進(jìn)了損失函數(shù)以及加入了二值化通道后,相較而言,約增加了6%的準(zhǔn)確率。

    由表6還可以得出,相較其他方法,改進(jìn)方法在準(zhǔn)確率和mAP上都有明顯提升,召回率也有所提升,改進(jìn)之后的模型檢測效果明顯提升。且相較于SSD+VGG16的網(wǎng)絡(luò)結(jié)構(gòu),YOLO系列在檢測精度上都大大提升。

    表7給出了YOLOv3、YOLOv5s與改進(jìn)后的YOLOv5s訓(xùn)練后的模型大小,以及檢測速率的結(jié)果對比。

    表7 YOLOv系列網(wǎng)絡(luò)的模型性能對比Table 7 Model performance comparison of series YOLOv networks

    結(jié)合表6和表7可以得出,對YOLOv5s進(jìn)行改進(jìn)之后,訓(xùn)練后得到的模型大小與原來相比是一樣的,雖然檢測速率下降了一些,但仍在可接受范圍內(nèi)。在僅犧牲約0.05%的檢測速率后,得到了比較明顯的準(zhǔn)確率提升,并且mAP提高了近11%,準(zhǔn)確率提高了13%,可見改進(jìn)方法模型更加適用于車道線的檢測。

    4 結(jié)語

    在目前的深度學(xué)習(xí)算法中,YOLO系列由于其結(jié)構(gòu)簡單、訓(xùn)練速度快等特點,能夠?qū)崟r完成一些視頻流的檢測,具有較好的魯棒性與實時性。其最新的YOLOv5大大增加了檢測速率和準(zhǔn)確率,使用起來十分方便。通過對YOLOv5s和YOLOv3的比較,在車道線檢測方面,YOLOv5s的提升效果十分明顯,不僅訓(xùn)練速度約是YOLOv3的3倍,準(zhǔn)確度也得到了明顯的提升。目前傳統(tǒng)的模型縮放方法是改變模型深度,即增加更多的卷積層[19],所以在增加準(zhǔn)確度的同時,訓(xùn)練速度也會有所減緩。因此結(jié)合二者的特性進(jìn)行改進(jìn),并選擇了YOLOv5s模型進(jìn)行訓(xùn)練。同時采用了EIOU損失函數(shù),以加快其收斂速度,提高檢測準(zhǔn)確性。在數(shù)據(jù)準(zhǔn)備階段,采用了anchor-free,使錨框更加符合車道線的錨定框。增加了二值化通道,以提高道路信息不太明確時的檢測準(zhǔn)確度。改進(jìn)方法相比YOLOv5s原模型而言,其準(zhǔn)確率約提升了13%,mAP值提升了11%左右,且達(dá)到了80%以上的準(zhǔn)確率。

    由于本研究使用的是Tusimple數(shù)據(jù)集,道路信息大多十分明顯,所以在車道線信息冗雜、缺失的情況下,還需要進(jìn)一步研究改進(jìn)后的檢測效率。

    猜你喜歡
    錨框車道準(zhǔn)確率
    基于YOLOv3錨框優(yōu)化的側(cè)掃聲吶圖像目標(biāo)檢測
    信號處理(2022年11期)2022-12-26 13:22:06
    錨框策略匹配的SSD飛機遙感圖像目標(biāo)檢測
    基于SSD算法的輕量化儀器表盤檢測算法*
    基于GA-RoI Transformer的遙感圖像任意方向目標(biāo)檢測
    北斗+手機實現(xiàn)車道級導(dǎo)航應(yīng)用
    避免跟車闖紅燈的地面車道線
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    淺談MTC車道改造
    夫妻性生交免费视频一级片| 国产精品爽爽va在线观看网站| 久久久久久久久久久免费av| av福利片在线观看| 亚洲精品自拍成人| 看非洲黑人一级黄片| 久久久久久伊人网av| 日韩欧美三级三区| a级毛片免费高清观看在线播放| 国产男人的电影天堂91| 亚洲欧洲日产国产| 一级毛片电影观看| 91久久精品国产一区二区三区| 日日撸夜夜添| 国产av不卡久久| 亚洲av成人av| 亚洲最大成人av| 毛片一级片免费看久久久久| 婷婷色综合www| 国产美女午夜福利| 男人狂女人下面高潮的视频| 亚洲图色成人| videos熟女内射| 国产在线男女| 国内精品一区二区在线观看| 免费观看av网站的网址| 自拍偷自拍亚洲精品老妇| 国产成人91sexporn| 观看美女的网站| 午夜爱爱视频在线播放| 嘟嘟电影网在线观看| 日韩电影二区| 亚洲精品日韩在线中文字幕| 国产综合精华液| 麻豆精品久久久久久蜜桃| 亚洲av中文字字幕乱码综合| 汤姆久久久久久久影院中文字幕 | 91精品伊人久久大香线蕉| 蜜桃亚洲精品一区二区三区| 女人久久www免费人成看片| 欧美日韩精品成人综合77777| 日韩强制内射视频| 秋霞在线观看毛片| 中文字幕av在线有码专区| 亚洲精品aⅴ在线观看| 精品午夜福利在线看| av国产久精品久网站免费入址| 亚洲四区av| 日韩一区二区三区影片| 美女被艹到高潮喷水动态| 亚洲人成网站在线观看播放| 2021天堂中文幕一二区在线观| 床上黄色一级片| 在现免费观看毛片| 欧美变态另类bdsm刘玥| 国产av在哪里看| or卡值多少钱| 欧美日韩亚洲高清精品| 国产精品一区二区三区四区免费观看| 中文字幕av成人在线电影| 有码 亚洲区| 男人爽女人下面视频在线观看| 伊人久久国产一区二区| 身体一侧抽搐| 亚洲最大成人av| 久久99热6这里只有精品| 欧美高清成人免费视频www| 中文字幕av成人在线电影| 激情五月婷婷亚洲| 久久精品夜色国产| 免费看光身美女| 美女主播在线视频| 大片免费播放器 马上看| 直男gayav资源| 国产精品1区2区在线观看.| 99久久精品热视频| 99久久精品国产国产毛片| 亚洲在线观看片| 身体一侧抽搐| 美女xxoo啪啪120秒动态图| 天堂俺去俺来也www色官网 | xxx大片免费视频| 国产精品嫩草影院av在线观看| 中文在线观看免费www的网站| 网址你懂的国产日韩在线| 亚洲av成人精品一二三区| 一区二区三区免费毛片| 亚洲三级黄色毛片| 激情 狠狠 欧美| 午夜爱爱视频在线播放| 内射极品少妇av片p| 亚洲精品成人久久久久久| 两个人视频免费观看高清| 亚洲av电影不卡..在线观看| 免费观看在线日韩| 国国产精品蜜臀av免费| 欧美日韩亚洲高清精品| 国产一级毛片七仙女欲春2| 久久人人爽人人爽人人片va| 免费看av在线观看网站| 99视频精品全部免费 在线| 亚洲18禁久久av| 国产美女午夜福利| 内射极品少妇av片p| 久久精品久久久久久噜噜老黄| 午夜亚洲福利在线播放| 中文字幕免费在线视频6| 国产白丝娇喘喷水9色精品| 色综合亚洲欧美另类图片| 亚洲精品国产av成人精品| 亚洲在线观看片| 国产永久视频网站| 免费观看性生交大片5| 亚洲久久久久久中文字幕| 三级男女做爰猛烈吃奶摸视频| 婷婷六月久久综合丁香| 老司机影院成人| 亚洲av中文字字幕乱码综合| 免费播放大片免费观看视频在线观看| 精品久久久久久久末码| 国产淫语在线视频| 国产亚洲5aaaaa淫片| 18禁在线播放成人免费| 中文字幕人妻熟人妻熟丝袜美| 国产探花极品一区二区| 七月丁香在线播放| 秋霞在线观看毛片| 人人妻人人澡人人爽人人夜夜 | 久99久视频精品免费| 成人午夜精彩视频在线观看| 亚洲成人中文字幕在线播放| 日韩欧美精品免费久久| 美女被艹到高潮喷水动态| 国产亚洲5aaaaa淫片| 欧美zozozo另类| 日韩欧美国产在线观看| 欧美精品一区二区大全| 久久99热这里只频精品6学生| 午夜激情福利司机影院| 久久久久免费精品人妻一区二区| 亚洲精品久久久久久婷婷小说| 国产一区亚洲一区在线观看| 啦啦啦啦在线视频资源| 亚洲国产高清在线一区二区三| 久久99热这里只有精品18| 99久久精品国产国产毛片| 国产激情偷乱视频一区二区| 久久久久精品久久久久真实原创| 午夜福利在线观看吧| 免费观看精品视频网站| 日韩中字成人| 国产人妻一区二区三区在| 日日摸夜夜添夜夜添av毛片| 3wmmmm亚洲av在线观看| 18禁裸乳无遮挡免费网站照片| 99热这里只有精品一区| 三级国产精品欧美在线观看| 久久精品久久精品一区二区三区| 18禁动态无遮挡网站| 亚洲经典国产精华液单| 久久久精品94久久精品| 午夜福利成人在线免费观看| 精品熟女少妇av免费看| 日本免费a在线| 国产久久久一区二区三区| 亚洲第一区二区三区不卡| 国产一区二区亚洲精品在线观看| 在线免费观看不下载黄p国产| 大又大粗又爽又黄少妇毛片口| 国产免费一级a男人的天堂| 狂野欧美激情性xxxx在线观看| 国产精品国产三级国产专区5o| 18+在线观看网站| 精品久久久久久久久亚洲| 69av精品久久久久久| 成人美女网站在线观看视频| 哪个播放器可以免费观看大片| 国产精品女同一区二区软件| 国产 一区 欧美 日韩| 在线观看av片永久免费下载| 91久久精品国产一区二区成人| 超碰97精品在线观看| 一个人看的www免费观看视频| 看非洲黑人一级黄片| 大香蕉97超碰在线| 国产精品不卡视频一区二区| 亚洲自偷自拍三级| 欧美成人午夜免费资源| 久久精品人妻少妇| 日韩欧美精品免费久久| 中文资源天堂在线| 亚洲熟妇中文字幕五十中出| 久久精品国产亚洲av天美| 国产女主播在线喷水免费视频网站 | 日韩中字成人| 搡老乐熟女国产| 国产成人freesex在线| 久久久久久久久久人人人人人人| 白带黄色成豆腐渣| 中文天堂在线官网| 久久久久久伊人网av| av卡一久久| 午夜精品国产一区二区电影 | 亚洲综合精品二区| 亚洲国产精品国产精品| 色网站视频免费| 久久久久精品久久久久真实原创| 国产亚洲午夜精品一区二区久久 | 99久国产av精品国产电影| 亚洲人成网站在线播| 国内精品一区二区在线观看| 久久精品国产自在天天线| 少妇猛男粗大的猛烈进出视频 | 麻豆成人午夜福利视频| 成人漫画全彩无遮挡| 最后的刺客免费高清国语| 美女主播在线视频| 国产av在哪里看| 成人漫画全彩无遮挡| 久久精品久久久久久久性| 欧美人与善性xxx| 国产av在哪里看| 黄色配什么色好看| 亚洲精品视频女| 丰满乱子伦码专区| 少妇人妻精品综合一区二区| kizo精华| 神马国产精品三级电影在线观看| 日产精品乱码卡一卡2卡三| 国产精品国产三级国产av玫瑰| 最近视频中文字幕2019在线8| av卡一久久| 成人亚洲精品av一区二区| 亚洲无线观看免费| 免费看a级黄色片| 青青草视频在线视频观看| 婷婷色av中文字幕| 九草在线视频观看| 99热网站在线观看| 国产老妇伦熟女老妇高清| 免费人成在线观看视频色| 久久精品人妻少妇| 少妇裸体淫交视频免费看高清| 人妻少妇偷人精品九色| 久久鲁丝午夜福利片| 亚洲内射少妇av| 久久精品国产鲁丝片午夜精品| 午夜福利网站1000一区二区三区| 在线观看美女被高潮喷水网站| 丝瓜视频免费看黄片| 2022亚洲国产成人精品| 午夜爱爱视频在线播放| 日本黄大片高清| 啦啦啦中文免费视频观看日本| 99久久人妻综合| 91久久精品电影网| 免费观看的影片在线观看| 伦精品一区二区三区| 一边亲一边摸免费视频| 高清在线视频一区二区三区| 精品国产三级普通话版| 晚上一个人看的免费电影| 中文字幕av成人在线电影| 性色avwww在线观看| 久久精品国产亚洲av涩爱| 国产av不卡久久| 色尼玛亚洲综合影院| 亚洲欧美日韩无卡精品| 色视频www国产| 1000部很黄的大片| 2021少妇久久久久久久久久久| 日韩在线高清观看一区二区三区| 亚洲精品色激情综合| 中文字幕制服av| 亚洲精品自拍成人| 欧美xxxx性猛交bbbb| 国产有黄有色有爽视频| 能在线免费看毛片的网站| 亚洲最大成人中文| 亚洲av一区综合| 一级毛片aaaaaa免费看小| 免费av毛片视频| 一级av片app| 久久久亚洲精品成人影院| 男插女下体视频免费在线播放| 91精品一卡2卡3卡4卡| 亚洲熟妇中文字幕五十中出| av在线老鸭窝| 国产精品国产三级国产av玫瑰| 亚洲精品中文字幕在线视频 | 国产精品日韩av在线免费观看| 九九爱精品视频在线观看| 久久鲁丝午夜福利片| 九九久久精品国产亚洲av麻豆| 午夜激情欧美在线| 日韩av在线免费看完整版不卡| 能在线免费看毛片的网站| 天天一区二区日本电影三级| 免费看美女性在线毛片视频| 91狼人影院| 久久久久久国产a免费观看| 十八禁国产超污无遮挡网站| 97超视频在线观看视频| 亚洲天堂国产精品一区在线| 免费av毛片视频| 欧美极品一区二区三区四区| 26uuu在线亚洲综合色| 啦啦啦啦在线视频资源| 久久99蜜桃精品久久| 三级毛片av免费| 麻豆久久精品国产亚洲av| 午夜老司机福利剧场| 亚洲色图av天堂| 嫩草影院新地址| 国产亚洲精品av在线| 日本猛色少妇xxxxx猛交久久| 精品亚洲乱码少妇综合久久| 99久久精品热视频| 亚洲av在线观看美女高潮| 3wmmmm亚洲av在线观看| 久久久久久久国产电影| 亚洲av成人精品一二三区| 欧美 日韩 精品 国产| 亚洲精品,欧美精品| 97精品久久久久久久久久精品| 国产熟女欧美一区二区| 成人无遮挡网站| 99久久九九国产精品国产免费| 久久久精品欧美日韩精品| 秋霞伦理黄片| a级毛片免费高清观看在线播放| 国产精品久久久久久久久免| 国产男女超爽视频在线观看| 中文精品一卡2卡3卡4更新| 国产精品一区www在线观看| 精品久久久久久久人妻蜜臀av| 男女边摸边吃奶| 69av精品久久久久久| 黄色欧美视频在线观看| 久久99精品国语久久久| 免费观看无遮挡的男女| 精品国内亚洲2022精品成人| 婷婷色麻豆天堂久久| 在线观看免费高清a一片| 国产 一区 欧美 日韩| 日本-黄色视频高清免费观看| 国产男人的电影天堂91| 成人鲁丝片一二三区免费| 国产av码专区亚洲av| 日韩强制内射视频| 午夜久久久久精精品| 男人舔奶头视频| 成人午夜高清在线视频| 成人综合一区亚洲| 亚洲精品久久午夜乱码| 亚洲精品乱码久久久v下载方式| 欧美激情国产日韩精品一区| 国产精品国产三级国产av玫瑰| 成人性生交大片免费视频hd| 黄色一级大片看看| 国产精品日韩av在线免费观看| 亚洲精品456在线播放app| 欧美xxⅹ黑人| 少妇裸体淫交视频免费看高清| 菩萨蛮人人尽说江南好唐韦庄| 亚洲综合精品二区| 国产成人午夜福利电影在线观看| 午夜日本视频在线| 能在线免费看毛片的网站| 国产精品不卡视频一区二区| 日韩大片免费观看网站| 国产淫片久久久久久久久| 日韩国内少妇激情av| 爱豆传媒免费全集在线观看| 国产视频内射| 亚洲最大成人中文| xxx大片免费视频| 亚洲精品456在线播放app| 身体一侧抽搐| 亚洲欧美日韩卡通动漫| 日韩视频在线欧美| 亚洲av成人精品一二三区| 人妻系列 视频| 插逼视频在线观看| 超碰av人人做人人爽久久| 国产色婷婷99| 又大又黄又爽视频免费| 最近2019中文字幕mv第一页| 国产精品一区二区在线观看99 | 国产亚洲av嫩草精品影院| 特级一级黄色大片| 日本猛色少妇xxxxx猛交久久| 亚洲国产成人一精品久久久| 日韩av在线免费看完整版不卡| 丝袜美腿在线中文| 国产成人午夜福利电影在线观看| 国产精品久久久久久精品电影| 久久精品夜色国产| 大话2 男鬼变身卡| 久久久精品欧美日韩精品| 日日摸夜夜添夜夜爱| 亚洲人成网站在线播| 国产亚洲5aaaaa淫片| 成年人午夜在线观看视频 | 三级国产精品欧美在线观看| 激情五月婷婷亚洲| 夜夜爽夜夜爽视频| 日韩制服骚丝袜av| 韩国高清视频一区二区三区| 三级国产精品欧美在线观看| 亚洲高清免费不卡视频| 99re6热这里在线精品视频| 九色成人免费人妻av| 直男gayav资源| 少妇人妻一区二区三区视频| 国产麻豆成人av免费视频| 欧美xxⅹ黑人| 国产精品久久视频播放| 日韩,欧美,国产一区二区三区| 99久久中文字幕三级久久日本| 亚洲精品第二区| 天堂中文最新版在线下载 | 国产亚洲91精品色在线| 久久精品国产鲁丝片午夜精品| 蜜臀久久99精品久久宅男| 亚洲av免费高清在线观看| 白带黄色成豆腐渣| 偷拍熟女少妇极品色| 可以在线观看毛片的网站| av免费在线看不卡| 中文字幕亚洲精品专区| 亚洲精品久久久久久婷婷小说| 亚洲综合精品二区| 欧美不卡视频在线免费观看| 日韩强制内射视频| 成人一区二区视频在线观看| 精品一区二区免费观看| 啦啦啦啦在线视频资源| 亚洲激情五月婷婷啪啪| 在线免费十八禁| 国产高潮美女av| 99久国产av精品国产电影| 亚洲精品日本国产第一区| 少妇的逼水好多| 久久久国产一区二区| av在线老鸭窝| 亚洲伊人久久精品综合| 中文字幕制服av| 少妇人妻一区二区三区视频| 少妇熟女欧美另类| 一区二区三区高清视频在线| 99久久精品国产国产毛片| 成人亚洲欧美一区二区av| 69人妻影院| 色5月婷婷丁香| 91久久精品国产一区二区三区| 亚洲美女搞黄在线观看| 免费观看a级毛片全部| 国产亚洲一区二区精品| 日韩精品青青久久久久久| 在线免费十八禁| 身体一侧抽搐| 国内精品宾馆在线| 国产av码专区亚洲av| 美女内射精品一级片tv| 国产精品.久久久| 免费观看性生交大片5| 久久久久久久久久成人| 久久久精品欧美日韩精品| 国产午夜精品一二区理论片| 免费电影在线观看免费观看| 婷婷色av中文字幕| av在线观看视频网站免费| 人妻少妇偷人精品九色| 两个人的视频大全免费| 亚洲最大成人手机在线| 欧美日韩一区二区视频在线观看视频在线 | 亚洲欧美日韩东京热| 中国国产av一级| 赤兔流量卡办理| 国产国拍精品亚洲av在线观看| 极品少妇高潮喷水抽搐| 国产伦精品一区二区三区视频9| 久久精品久久久久久久性| 亚洲真实伦在线观看| 国产黄色视频一区二区在线观看| 国产精品久久久久久久电影| 欧美xxxx黑人xx丫x性爽| 网址你懂的国产日韩在线| 丝袜美腿在线中文| 岛国毛片在线播放| 日日摸夜夜添夜夜爱| 大香蕉久久网| 大片免费播放器 马上看| 亚洲色图av天堂| 久久韩国三级中文字幕| 99久久九九国产精品国产免费| 一级二级三级毛片免费看| 国产精品不卡视频一区二区| or卡值多少钱| 国产精品人妻久久久久久| 激情五月婷婷亚洲| 午夜免费男女啪啪视频观看| 色综合站精品国产| 中文字幕av在线有码专区| 成人特级av手机在线观看| 久久这里有精品视频免费| 亚洲欧洲日产国产| 亚洲美女视频黄频| 男人狂女人下面高潮的视频| 国产真实伦视频高清在线观看| 五月天丁香电影| 人妻夜夜爽99麻豆av| 久久久久网色| 人妻夜夜爽99麻豆av| 亚洲国产色片| 天天躁夜夜躁狠狠久久av| 欧美xxxx性猛交bbbb| 男人舔奶头视频| 韩国av在线不卡| 国产极品天堂在线| 国产乱来视频区| av播播在线观看一区| 国产亚洲一区二区精品| 日韩欧美精品v在线| 晚上一个人看的免费电影| 亚洲欧洲国产日韩| 高清在线视频一区二区三区| 亚洲av.av天堂| 一级爰片在线观看| 国产国拍精品亚洲av在线观看| 中文在线观看免费www的网站| 在线观看一区二区三区| 别揉我奶头 嗯啊视频| 亚洲av成人精品一二三区| 亚洲国产精品国产精品| av免费在线看不卡| 久久久久久久大尺度免费视频| 午夜福利网站1000一区二区三区| 美女cb高潮喷水在线观看| 国产一级毛片七仙女欲春2| 插阴视频在线观看视频| 夜夜看夜夜爽夜夜摸| 亚洲av免费高清在线观看| 1000部很黄的大片| 亚洲成人久久爱视频| 亚洲av国产av综合av卡| 国产乱来视频区| 亚洲国产精品sss在线观看| 国产单亲对白刺激| 久久精品国产自在天天线| 久久久久久久久久久丰满| www.色视频.com| 99热这里只有是精品50| xxx大片免费视频| 午夜视频国产福利| 听说在线观看完整版免费高清| 亚洲欧美成人精品一区二区| 亚洲精品久久午夜乱码| 免费无遮挡裸体视频| av国产久精品久网站免费入址| 国产成人精品福利久久| 欧美成人一区二区免费高清观看| 夫妻性生交免费视频一级片| 国产亚洲精品久久久com| 中文天堂在线官网| 国产精品国产三级国产专区5o| 亚洲av国产av综合av卡| 婷婷色av中文字幕| 色综合亚洲欧美另类图片| 国产一区有黄有色的免费视频 | 男人和女人高潮做爰伦理| 天天躁夜夜躁狠狠久久av| 色视频www国产| 男女下面进入的视频免费午夜| 国产精品蜜桃在线观看| 最近最新中文字幕免费大全7| 观看免费一级毛片| 欧美精品国产亚洲| 欧美高清成人免费视频www| 嫩草影院新地址| 久久久久久久久久人人人人人人| 国语对白做爰xxxⅹ性视频网站| 欧美三级亚洲精品| 成人性生交大片免费视频hd| 免费看a级黄色片| 欧美高清性xxxxhd video| av又黄又爽大尺度在线免费看| 午夜精品一区二区三区免费看| 精品国产露脸久久av麻豆 | 美女被艹到高潮喷水动态| 深爱激情五月婷婷| 国产精品一区二区在线观看99 | 啦啦啦韩国在线观看视频| 国产视频首页在线观看| 国产探花极品一区二区| 亚洲国产最新在线播放| 国产高潮美女av| 成人二区视频| 我的女老师完整版在线观看| 国产激情偷乱视频一区二区| 最近中文字幕高清免费大全6| 国产黄片美女视频| 毛片女人毛片| 国产av在哪里看| 国产在线一区二区三区精| 又粗又硬又长又爽又黄的视频| 国产欧美日韩精品一区二区| 欧美性感艳星| av福利片在线观看| 亚洲国产色片| 免费观看a级毛片全部| 十八禁国产超污无遮挡网站| 亚洲欧洲日产国产| 黄色配什么色好看|