摘要
本发明公开了一种基于改进的YOLOv5网络的座舱检测系统及方法,构建座舱目标检测模型;构建改进的YOLOv5网络,基于所述原始数据集利用改进的YOLOv5网络进行座舱目标检测模型预训练以得到预训练输出,通过所述座舱目标检测模型结合预训练输出进行场景内的人和物品状态检测分析,得到危险监测数据;所述危险监测数据和所述温度监测数据结合车辆状态数据,进行当前所属的用车情景危险物品判断,生成决策。本发明极大地优化了网络的参数规模和计算资源消耗;进而提高模型对多尺度物体检测的精度。
技术关键词
模型预训练
智能座舱
车辆状态数据
危险物品检测方法
多尺度信息
空间金字塔
预训练模型
决策
情景
融合策略
指令
网络设备
依序
算法
图像
物体检测
控制模块
系统为您推荐了相关专利信息
钩臂式垃圾车
识别检测方法
整车控制单元
自动泊车
残差网络
无人机
深度学习图像识别技术
上采样
多尺度特征金字塔
融合多尺度信息
深度神经网络
多尺度特征融合
特征提取模块
果园环境
苹果识别方法
语音识别方法
语音特征
损失函数优化
模型预训练
注意力机制