机构名称：
¥ 1.0
摘要。行人检测对于自动驾驶，监视和行人安全至关重要。此摘要使用Yolov5算法引入了一种新颖的行人检测方法，该算法以其实时对象检测能力而闻名。该方法旨在提高各种照明条件下的行人检测准确性。从方法论上讲，该过程涉及数据准备，Yolov5模型培训以及随后的评估。使用锚箱和单次卷积神经网络的Yolov5的体系结构允许快速准确的行人识别。Yolov5的设计，包括锚箱和单次卷积神经网络，可以快速而准确的行人识别。研究测试证实了基于Yolov5的方法的功效。在第一种情况下，该模型以75％的精度检测到了日光的行人，但它也产生了11个假否定性或25％的失误。尽管方案2的准确性较高，为85％，但仍有11个假否定性，这表明存在持续的检测差距。尽管有这些结果，Yolov5模型仍证明了在现实世界中进行准确的行人检测的可能性。虽然它极大地改善了自动驾驶汽车和行人安全等应用，但降低假否定性仍然是提高整体准确性的主要目标。调查的发现表明，Yolov5可以在各种照明条件下起作用，但也强调了进行进一步工作以满足严格检测要求的必要性。
ped-ai：使用yolov5
主要关键词
相关文件推荐
