一种基于深度学习的车辆目标检测方法

本发明涉及目标检测与跟随技术领域，具体涉及一种基于深度学习的车辆目标检测方法，该方法包括：对YOLOX‑S模型进行改进，改进后的网络模型记为JC‑YOLOX网络的网络架构：将YOLOX‑S模型主干网络CSPdarknet中的部分CBS模块改进为CBLE模块，CBLE模块包括：多尺度分组卷积层、批归一化层、激活层以及ESCA注意力机制模块；损失函数：引入Focal‑EIOU损失函数来代替YOLOX‑S模型的IOU目标框损失函数，Focal‑EIOU损失函数包含：Focal Loss部分和EIOU部分；采用预处理后的图像形成的训练集对JC‑YOLOX网络进行训练，最终，得到最终的车辆检测结果。本发明的车辆检测算法具有以下优势：在保持高精度的同时，显著提高了检测速度；在复杂环境下，如低光雾天气、严重遮挡等情况下，仍能保持较高的检测准确性。