一种基于YOLOv5s-Lite车辆目标识别方法.pdfVIP

第42卷第1期算机仿真2025年1月

文章编号：1006-9348(2025)01-0149-06

一种基于YOLOv5s-Lite车辆目标识别方法

李孟歆，李志秀，姜政

（沈阳建筑大学电气与控制工程学院，辽宁沈阳110000）

摘要：针对现有识别算法对车辆目标识别效果欠佳，存在误检漏检等问题，提出一种基于改进YOLOv5s算法的车辆识别方

法。首先，提出采用ShuffleNetV2网络替代YOLOv5s的主干网络，实现网络轻量化设计；其次将原网络CloU损失函数修改

为EIoU损失函数，提高对车辆目标识别能力；然后采用DIoU-NMS替代原网络的NMS后处理方法，降低网络的漏检率；最

后采用K-means++聚类算法重新生成聚类锚框。通过在晴天与阴天两种场景下对比可知，所提算法相比于原算法，模型大

小减小35.7%，参数量减少54.7%，识别速度提升了46.31FPS，满足实时性需求，同时提高了车辆识别精度。

关键词：轻量化；损失函数；聚类锚框；深度学习；车辆识别

中图分类号：TP391.41文献标识码：B

AVehicleTargetRecognitionMethodBasedonYOLOv5s-Lite

LIMeng-xin,LIZhi-xiu,JIANGZheng

(SchoolofElectricalandControlEngineering,ShenyangArchitecturalUniversity,ShenyangLiaoning110000,China)

ABSTRACT:Toaddressthepoorperformanceofexistingrecognitionalgorithmsforvehicletargetidentification,

whichsufferfromissuessuchasfalsepositivesandmisseddetections,avehiclerecognitionmethodbasedonanim-

provedYOLOv5salgorithmisproposed.Firstly,theShuffleNetV2networkisproposedtoreplacethebackbone

networkofYOLOv5stoachievealightweightnetworkdesign.Secondly,theCloUlossfunctionoftheoriginalnetwork

ismodifiedtotheEIoUlossfunctiontoimprovetheabilityofvehicletargetrecognition.Then,DIoU-NMSisusedto

replacetheoriginalpost-NMSprocessingmethodtoreducetherateofmisseddetection.Finally,theK-Means++clus-

teringalgorithmisusedtoregeneratetheclusteranchorframe.Bycomparingthetwoscenariosonsunnyandcloudy

days,itcanbeseenthatcomparedwiththeoriginalalgorithm,theproposedalgorithmreducesthemodelsizeby

35.7%,thenumberofparametersby54.7%,andtherecognitionspeedby46.31FPS,whichmeets