关键词：无人驾驶汽车;目标检测;YOLOv5;目标分类
摘 要：在无人驾驶汽车系统中，目标检测是实现安全驾驶和自动驾驶的关键技术之一。为了提升目标检测模型在复杂道路环境中的性能，本文提出了一种改进的YOLOv5算法，并将其应用于无人驾驶汽车目标检测模型的构建。通过引入感受野–坐标注意力卷积核（RFCAConv）和空洞–空间金字塔池化–压缩激励通道注意力层（ASPP-SE），增强了目标特征的提取能力和多尺度特征的融合效果。此外，改进的特征融合网络和解耦检测头有效解决了传统YOLOv5在目标检测中的特征空间不对齐的问题，优化了目标分类和框回归的精度。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取