Investigación sobre YOLOv5 mejorado para la detección de objetos en entornos de poca luz
Autores: Wang, Jing; Yang, Peng; Liu, Yuansheng; Shang, Duo; Hui, Xin; Song, Jinhong; Chen, Xuehui
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Investigación sobre YOLOv5 mejorado para la detección de objetos en entornos de poca luz
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Detección de objetos
Escenarios de poca luz
DK_YOLOv5
Modelo de detección
YOLOv5
Mejora de imágenes con poca luz
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
La propuesta del modelo DK_YOLOv5 logra una precisión de detección más alta que otros modelos en escenarios de poca luz, con un mAP0.5 del 71.9% en el conjunto de datos Mine_Exdark, lo que es un 4.4% más alto que el de YOLOv5.
Descripción
La propuesta del modelo DK_YOLOv5 logra una precisión de detección más alta que otros modelos en escenarios de poca luz, con un mAP0.5 del 71.9% en el conjunto de datos Mine_Exdark, lo que es un 4.4% más alto que el de YOLOv5.