YOLOv5s的复杂交通场景路侧目标检测算法优化

基于改进YOLOv5s的路侧目标检测模型，针对小目标检测精度低和模型体积过大的问题进行优化。采用EIoU Loss替代CIoU Loss作为目标边界框的回归损失函数，引入轻量级的上采样算子CARAFE，增加小尺寸目标检测分支并解耦预测头，最后进行通道剪枝以降低模型体积。在路侧目标检测数据集DAIR-V2X-I上验证实验表明，相较于原始YOLOv5s算法，改进后的算法在模型体积减小5.7MB的基础上，mAP50和mAP50:95分别提高了2.5%和3.8%，分别达到了90.3%和67.7%。检测速度也得到明显提升。