• <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
    欧美人与善性xxx| 精品第一国产精品| 国产成人精品久久二区二区91 | 久久久久视频综合| 中文字幕人妻丝袜制服| 国产午夜精品一二区理论片| 国产一区有黄有色的免费视频| 三级国产精品片| 啦啦啦视频在线资源免费观看| 久久久久人妻精品一区果冻| 国产极品天堂在线| 精品酒店卫生间| 十八禁高潮呻吟视频| 侵犯人妻中文字幕一二三四区| 国产视频首页在线观看| 免费在线观看黄色视频的| 男的添女的下面高潮视频| 91精品三级在线观看| 久久精品国产亚洲av天美| 亚洲一区中文字幕在线| 人人妻人人添人人爽欧美一区卜| 亚洲一级一片aⅴ在线观看| 欧美激情高清一区二区三区 | 赤兔流量卡办理| 日韩精品免费视频一区二区三区| av线在线观看网站| 中文精品一卡2卡3卡4更新| 一级毛片 在线播放| 中国三级夫妇交换| 午夜激情久久久久久久| 永久网站在线| 欧美国产精品va在线观看不卡| 亚洲av.av天堂| 男女边摸边吃奶| 日日撸夜夜添| 人人妻人人澡人人爽人人夜夜| 久久狼人影院| 欧美成人午夜免费资源| 最近的中文字幕免费完整| 亚洲精品久久午夜乱码| 欧美精品国产亚洲| 国产 一区精品| 国产成人精品久久久久久| 免费在线观看完整版高清| 十八禁高潮呻吟视频| 精品少妇一区二区三区视频日本电影 | 男女高潮啪啪啪动态图| 又大又黄又爽视频免费| 日韩一本色道免费dvd| www.av在线官网国产| 国产精品久久久av美女十八| 亚洲精品在线美女| 丰满少妇做爰视频| 9色porny在线观看| 亚洲国产精品一区三区| 少妇人妻久久综合中文| 亚洲欧洲国产日韩| 欧美亚洲 丝袜 人妻 在线| 中文字幕人妻丝袜制服| 亚洲av电影在线进入| 大香蕉久久网| 深夜精品福利| 少妇被粗大的猛进出69影院| 青春草视频在线免费观看| 男女午夜视频在线观看| 国产欧美日韩一区二区三区在线| 少妇人妻精品综合一区二区| 超碰成人久久| 色播在线永久视频| 中国国产av一级| 久久久精品94久久精品| 亚洲精品国产一区二区精华液| 亚洲精品乱久久久久久| 亚洲伊人久久精品综合| 久久99蜜桃精品久久| 日产精品乱码卡一卡2卡三| 免费观看av网站的网址| 国产精品一区二区在线观看99| 黄色一级大片看看| 午夜福利乱码中文字幕| 国产精品香港三级国产av潘金莲 | 麻豆av在线久日| 国产成人精品在线电影| 国产伦理片在线播放av一区| 久久精品熟女亚洲av麻豆精品| 成年av动漫网址| 日韩中文字幕欧美一区二区 | 丝袜美腿诱惑在线| 精品酒店卫生间| 国产探花极品一区二区| 午夜福利一区二区在线看| 男女午夜视频在线观看| 久久久a久久爽久久v久久| 午夜精品国产一区二区电影| 久久精品久久久久久久性| 日韩 亚洲 欧美在线| 中文字幕亚洲精品专区| 性色avwww在线观看| 国产 精品1| 精品少妇一区二区三区视频日本电影 | 欧美变态另类bdsm刘玥| 妹子高潮喷水视频| 国产1区2区3区精品| 母亲3免费完整高清在线观看 | 精品国产乱码久久久久久男人| 老司机影院毛片| 老鸭窝网址在线观看| 麻豆av在线久日| 亚洲av中文av极速乱| freevideosex欧美| 国产黄色免费在线视频| 欧美激情高清一区二区三区 | 久久久久国产网址| 欧美黄色片欧美黄色片| 久久毛片免费看一区二区三区| av线在线观看网站| 国产乱人偷精品视频| 高清在线视频一区二区三区| av天堂久久9| 精品久久蜜臀av无| 国产精品人妻久久久影院| 18禁裸乳无遮挡动漫免费视频| 亚洲av成人精品一二三区| 日本av免费视频播放| 亚洲一码二码三码区别大吗| 宅男免费午夜| 亚洲四区av| 久久ye,这里只有精品| 精品国产一区二区久久| 亚洲精品自拍成人| 日本免费在线观看一区| 99re6热这里在线精品视频| 国产色婷婷99| 纯流量卡能插随身wifi吗| 丝袜脚勾引网站| 午夜老司机福利剧场| 日本爱情动作片www.在线观看| 亚洲天堂av无毛| 肉色欧美久久久久久久蜜桃| 欧美黄色片欧美黄色片| 国产日韩欧美在线精品| 国产爽快片一区二区三区| 一级a爱视频在线免费观看| 久久韩国三级中文字幕| 一边亲一边摸免费视频| 美女主播在线视频| 欧美精品人与动牲交sv欧美| 国产精品偷伦视频观看了| 一级毛片黄色毛片免费观看视频| 国产精品不卡视频一区二区| 国产野战对白在线观看| 婷婷色av中文字幕| 国产精品免费视频内射| 又黄又粗又硬又大视频| av卡一久久| 久久久国产一区二区| 99香蕉大伊视频| 麻豆av在线久日| 一级片免费观看大全| 国产免费现黄频在线看| 久久鲁丝午夜福利片| 久久精品aⅴ一区二区三区四区 | 黑人巨大精品欧美一区二区蜜桃| 久久人人爽人人片av| 91精品国产国语对白视频| 国产精品女同一区二区软件| 成人国语在线视频| 少妇人妻 视频| 久久精品国产自在天天线| 国产 一区精品| 男女边摸边吃奶| 欧美精品人与动牲交sv欧美| 一级毛片黄色毛片免费观看视频| videosex国产| 伦理电影大哥的女人| 国产精品不卡视频一区二区| kizo精华| 另类亚洲欧美激情| 一级爰片在线观看| 一个人免费看片子| 十八禁高潮呻吟视频| 国产成人欧美| 激情视频va一区二区三区| 在现免费观看毛片| 久久精品国产综合久久久| 毛片一级片免费看久久久久| 亚洲精品久久午夜乱码| 亚洲av电影在线观看一区二区三区| 免费播放大片免费观看视频在线观看| 久久精品亚洲av国产电影网| 99热国产这里只有精品6| 男人操女人黄网站| 男人操女人黄网站| 69精品国产乱码久久久| 亚洲人成77777在线视频| h视频一区二区三区| 国产精品蜜桃在线观看| 青春草国产在线视频| 妹子高潮喷水视频| 国产欧美日韩一区二区三区在线| 蜜桃国产av成人99| 亚洲三区欧美一区| 中文字幕制服av| 国产日韩欧美视频二区| 啦啦啦啦在线视频资源| 精品亚洲成a人片在线观看| 成年女人在线观看亚洲视频| 成年动漫av网址| 99re6热这里在线精品视频| 在线天堂中文资源库| 老汉色av国产亚洲站长工具| 一级a爱视频在线免费观看| 麻豆乱淫一区二区| 国产一级毛片在线| 欧美日韩亚洲国产一区二区在线观看 | av一本久久久久| 亚洲国产精品一区三区| 日韩中文字幕欧美一区二区 | 亚洲欧美成人综合另类久久久| 久久ye,这里只有精品| 91精品伊人久久大香线蕉| 免费黄网站久久成人精品| 一区二区日韩欧美中文字幕| 人体艺术视频欧美日本| 精品人妻偷拍中文字幕| 亚洲伊人久久精品综合| 国产精品女同一区二区软件| 美女国产高潮福利片在线看| 国产在线一区二区三区精| 国产在线视频一区二区| a级毛片在线看网站| 精品第一国产精品| 日韩一区二区三区影片| 精品一品国产午夜福利视频| 香蕉丝袜av| 26uuu在线亚洲综合色| 在线观看美女被高潮喷水网站| 国产成人aa在线观看| 91成人精品电影| 波野结衣二区三区在线| 69精品国产乱码久久久| √禁漫天堂资源中文www| 久久久久网色| 久久婷婷青草| 亚洲在久久综合| 久久久久久久国产电影| av在线app专区| 国产精品久久久久久av不卡| 久久久久人妻精品一区果冻| av卡一久久| 高清欧美精品videossex| 国产精品国产三级国产专区5o| 亚洲三区欧美一区| 亚洲精品久久成人aⅴ小说| 久久这里有精品视频免费| 赤兔流量卡办理| 久久鲁丝午夜福利片| 久久精品人人爽人人爽视色| 午夜福利网站1000一区二区三区| 欧美精品一区二区免费开放| av片东京热男人的天堂| 男女边吃奶边做爰视频| 成人18禁高潮啪啪吃奶动态图| 毛片一级片免费看久久久久| 国产精品熟女久久久久浪| 最近2019中文字幕mv第一页| 久久精品国产亚洲av天美| 成年女人在线观看亚洲视频| 国产欧美亚洲国产| 欧美激情高清一区二区三区 | 免费日韩欧美在线观看| 97人妻天天添夜夜摸| 日韩一区二区三区影片| 丝袜在线中文字幕| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品久久成人aⅴ小说| 在线精品无人区一区二区三| 亚洲人成77777在线视频| 男女下面插进去视频免费观看| 亚洲av国产av综合av卡| 一区二区三区精品91| 成人国产麻豆网| 各种免费的搞黄视频| 9色porny在线观看| 国产成人aa在线观看| 久久精品久久久久久久性| 久久午夜综合久久蜜桃| 精品第一国产精品| 97人妻天天添夜夜摸| 日日啪夜夜爽| 黑人欧美特级aaaaaa片| 国产精品久久久久久av不卡| 免费在线观看视频国产中文字幕亚洲 | 精品99又大又爽又粗少妇毛片| 新久久久久国产一级毛片| 午夜福利,免费看| 看十八女毛片水多多多| 婷婷色综合大香蕉| 男女国产视频网站| 国产1区2区3区精品| 国产成人a∨麻豆精品| 午夜激情av网站| 亚洲国产成人一精品久久久| 丁香六月天网| kizo精华| 亚洲av国产av综合av卡| 日韩一卡2卡3卡4卡2021年| 中国国产av一级| 欧美 亚洲 国产 日韩一| 热re99久久精品国产66热6| 三上悠亚av全集在线观看| 成人午夜精彩视频在线观看| 亚洲人成网站在线观看播放| 国产精品.久久久| 国产黄频视频在线观看| 一级片'在线观看视频| 日本爱情动作片www.在线观看| 女性被躁到高潮视频| 人妻系列 视频| 精品99又大又爽又粗少妇毛片| 1024香蕉在线观看| 亚洲第一青青草原| 久久久久久久久久人人人人人人| 婷婷色综合大香蕉| 黄片播放在线免费| 色视频在线一区二区三区| 99久国产av精品国产电影| 狠狠精品人妻久久久久久综合| 亚洲精华国产精华液的使用体验| 久久人妻熟女aⅴ| 久久久久久伊人网av| 久久精品国产综合久久久| 三上悠亚av全集在线观看| 久久精品aⅴ一区二区三区四区 | 久久久a久久爽久久v久久| 伦精品一区二区三区| 国产成人精品久久二区二区91 | 日韩免费高清中文字幕av| 日韩中文字幕欧美一区二区 | 亚洲欧美成人精品一区二区| 亚洲人成77777在线视频| 在线观看免费日韩欧美大片| 女人精品久久久久毛片| 中国国产av一级| 2021少妇久久久久久久久久久| 日韩一区二区三区影片| 巨乳人妻的诱惑在线观看| 性高湖久久久久久久久免费观看| 美女大奶头黄色视频| 日韩制服骚丝袜av| 一级毛片电影观看| videossex国产| 999精品在线视频| 亚洲第一av免费看| 久久av网站| 国产av精品麻豆| 亚洲色图 男人天堂 中文字幕| 亚洲av福利一区| 啦啦啦中文免费视频观看日本| 黄色视频在线播放观看不卡| 在线亚洲精品国产二区图片欧美| 欧美在线黄色| 亚洲人成77777在线视频| 制服诱惑二区| 搡老乐熟女国产| 又黄又粗又硬又大视频| 午夜精品国产一区二区电影| 蜜桃在线观看..| 肉色欧美久久久久久久蜜桃| 日本wwww免费看| 日本av手机在线免费观看| 在线 av 中文字幕| 女的被弄到高潮叫床怎么办| 两个人免费观看高清视频| 日本黄色日本黄色录像| 国产精品国产三级专区第一集| 女人精品久久久久毛片| 亚洲,一卡二卡三卡| 国产精品免费视频内射| 亚洲精品一区蜜桃| 国产午夜精品一二区理论片| 母亲3免费完整高清在线观看 | 中文欧美无线码| 有码 亚洲区| 亚洲国产最新在线播放| 亚洲av综合色区一区| 午夜福利乱码中文字幕| 国产av精品麻豆| 免费在线观看黄色视频的| 久久久久人妻精品一区果冻| 亚洲一区中文字幕在线| 在线观看人妻少妇| 夫妻性生交免费视频一级片| 26uuu在线亚洲综合色| 日韩成人av中文字幕在线观看| 韩国av在线不卡| 成年动漫av网址| 亚洲欧美一区二区三区黑人 | av女优亚洲男人天堂| 久久久a久久爽久久v久久| 一级毛片黄色毛片免费观看视频| av片东京热男人的天堂| 男男h啪啪无遮挡| 伊人久久大香线蕉亚洲五| 黄色一级大片看看| 国产一区二区三区av在线| 久久综合国产亚洲精品| 亚洲精品在线美女| 国产精品二区激情视频| 日产精品乱码卡一卡2卡三| 国产视频首页在线观看| 国产精品免费视频内射| 最近的中文字幕免费完整| 成年动漫av网址| 制服丝袜香蕉在线| www.熟女人妻精品国产| 麻豆乱淫一区二区| 亚洲国产精品999| 国产精品偷伦视频观看了| 激情五月婷婷亚洲| 街头女战士在线观看网站| 一本—道久久a久久精品蜜桃钙片| 亚洲欧美精品综合一区二区三区 | 亚洲精品av麻豆狂野| 最近手机中文字幕大全| kizo精华| 亚洲av男天堂| 高清欧美精品videossex| 亚洲视频免费观看视频| 日本av免费视频播放| 午夜老司机福利剧场| h视频一区二区三区| 十八禁网站网址无遮挡| 国产精品二区激情视频| 黄频高清免费视频| 中文精品一卡2卡3卡4更新| 色视频在线一区二区三区| 熟妇人妻不卡中文字幕| 精品人妻熟女毛片av久久网站| 久久精品亚洲av国产电影网| 久久综合国产亚洲精品| 一级黄片播放器| 欧美97在线视频| 欧美精品人与动牲交sv欧美| 中文精品一卡2卡3卡4更新| 亚洲国产色片| 午夜免费男女啪啪视频观看| 永久免费av网站大全| 亚洲内射少妇av| 久久精品夜色国产| 国产欧美亚洲国产| 国产成人免费观看mmmm| 国产片特级美女逼逼视频| 亚洲,欧美精品.| 91aial.com中文字幕在线观看| 99九九在线精品视频| 在线观看一区二区三区激情| 亚洲激情五月婷婷啪啪| xxxhd国产人妻xxx| 日韩制服丝袜自拍偷拍| 边亲边吃奶的免费视频| 日韩大片免费观看网站| 亚洲 欧美一区二区三区| 丁香六月天网| 精品国产一区二区三区久久久樱花| 日本wwww免费看| 亚洲一区中文字幕在线| 国产午夜精品一二区理论片| 日韩av在线免费看完整版不卡| 黑人欧美特级aaaaaa片| 女的被弄到高潮叫床怎么办| 亚洲av电影在线进入| 七月丁香在线播放| 高清欧美精品videossex| 欧美97在线视频| 国产有黄有色有爽视频| 99热网站在线观看| 国产在视频线精品| 国产成人精品一,二区| 久久久久久久久久人人人人人人| av免费在线看不卡| 五月天丁香电影| 国产午夜精品一二区理论片| 成人手机av| 精品少妇内射三级| 亚洲第一av免费看| 丝袜人妻中文字幕| 国产一区二区 视频在线| 精品亚洲成a人片在线观看| 国产成人精品久久二区二区91 | www日本在线高清视频| av有码第一页| 国产成人精品婷婷| 美女视频免费永久观看网站| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 中文字幕制服av| 免费观看在线日韩| 亚洲国产精品一区三区| 久久久久久久大尺度免费视频| 国产精品二区激情视频| 精品久久蜜臀av无| 国产欧美日韩一区二区三区在线| 国产成人精品福利久久| 国产熟女欧美一区二区| 免费久久久久久久精品成人欧美视频| 免费黄网站久久成人精品| 日韩av在线免费看完整版不卡| 人妻人人澡人人爽人人| 在线精品无人区一区二区三| 国产男人的电影天堂91| 国产成人欧美| 天天操日日干夜夜撸| 91aial.com中文字幕在线观看| 久久久精品国产亚洲av高清涩受| 亚洲,一卡二卡三卡| 三上悠亚av全集在线观看| 亚洲av电影在线进入| 国产精品免费大片| 国产精品免费视频内射| 考比视频在线观看| 婷婷色综合大香蕉| 亚洲欧美一区二区三区久久| 精品亚洲乱码少妇综合久久| 国产男女超爽视频在线观看| 最近最新中文字幕大全免费视频 | 免费观看无遮挡的男女| 80岁老熟妇乱子伦牲交| √禁漫天堂资源中文www| 国产精品久久久av美女十八| 国产成人91sexporn| 18禁动态无遮挡网站| 国产精品国产三级专区第一集| 五月天丁香电影| 午夜福利在线免费观看网站| 午夜免费鲁丝| av视频免费观看在线观看| 中国三级夫妇交换| 一二三四在线观看免费中文在| 香蕉丝袜av| 成人国产麻豆网| 亚洲婷婷狠狠爱综合网| 国产日韩欧美亚洲二区| 哪个播放器可以免费观看大片| 在线观看免费高清a一片| 国产精品国产av在线观看| av在线观看视频网站免费| 一本大道久久a久久精品| 午夜福利,免费看| 日韩中文字幕视频在线看片| 欧美成人午夜精品| 夫妻性生交免费视频一级片| 亚洲av福利一区| 一二三四在线观看免费中文在| 欧美日韩综合久久久久久| 18禁裸乳无遮挡动漫免费视频| 亚洲一区中文字幕在线| 日韩熟女老妇一区二区性免费视频| av一本久久久久| 久久久久久人妻| 婷婷色麻豆天堂久久| 性色avwww在线观看| 久久亚洲国产成人精品v| 亚洲国产av新网站| 日韩中文字幕欧美一区二区 | 中文字幕另类日韩欧美亚洲嫩草| 久久午夜综合久久蜜桃| 波多野结衣av一区二区av| 观看av在线不卡| 日韩 亚洲 欧美在线| 岛国毛片在线播放| 97在线视频观看| 国产深夜福利视频在线观看| 日本色播在线视频| 妹子高潮喷水视频| 麻豆av在线久日| 一区二区三区激情视频| 亚洲国产精品一区二区三区在线| 久久精品熟女亚洲av麻豆精品| 美女福利国产在线| h视频一区二区三区| 婷婷色综合大香蕉| 午夜激情av网站| 色网站视频免费| 亚洲欧洲日产国产| 亚洲图色成人| 最新的欧美精品一区二区| av电影中文网址| 在线精品无人区一区二区三| 大片电影免费在线观看免费| 男人舔女人的私密视频| 国产精品国产三级专区第一集| 欧美国产精品va在线观看不卡| 免费高清在线观看日韩| 9色porny在线观看| 新久久久久国产一级毛片| 国产精品无大码| 国产成人aa在线观看| 精品国产一区二区三区久久久樱花| 观看美女的网站| av在线老鸭窝| 视频区图区小说| 国产亚洲一区二区精品| 国产女主播在线喷水免费视频网站| 男男h啪啪无遮挡| 国产精品不卡视频一区二区| 熟女少妇亚洲综合色aaa.| 免费黄网站久久成人精品| 欧美亚洲 丝袜 人妻 在线| 超碰成人久久| 国产一区二区三区综合在线观看| 国产国语露脸激情在线看| 侵犯人妻中文字幕一二三四区| 欧美日韩一区二区视频在线观看视频在线| 久久青草综合色| 欧美老熟妇乱子伦牲交|