Advances in Computer and Autonomous Intelligence Research

随着智慧交通与自动驾驶技术的发展,对行人与非机动车的实时精准感知需求日益迫切。针对YOLO等算法在复杂场景下存在小目标漏检、遮挡目标误检等问题,本文提出一种改进的YOLOv5实时识别算法。通过引入注意力机制强化特征提取、优化特征融合网络结构以及改进损失函数,显著提升了模型性能。实验结果表明,该算法在自制与公开数据集上均取得了更高的平均精度(mAP),同时保持了较高的检测速度(FPS),有效满足了实际应用中对精度与实时性的双重需求,为智能交通系统提供了有效的解决方案。