YOLOv5 变体在车辆检测中的比较分析

车辆检测是交通管理和自动驾驶中的重要任务。本研究对五个 YOLOv5 变体（YOLOv5n6s、YOLOv5s6s、YOLOv5m6s、YOLOv5l6s 和 YOLOv5x6s）进行了车辆检测的比较分析，探讨其在不同环境下的表现。研究聚焦于评估这些模型在检测不同类型车辆（如 Car、Bus、Truck、Bicycle 和 Motorcycle）方面的效果，尤其关注在光照、遮挡和天气等变化条件下的适应性。采用 precision、recall、F1-score 和 mean Average Precision 等性能指标评估每个模型的准确性和可靠性。YOLOv5n6s 在检测 Car 时显示出 precision 和 recall 之间的良好平衡。YOLOv5s6s 和 YOLOv5m6s 在 recall 上有所提升，增强了检测所有相关目标的能力。YOLOv5l6s 具有更大的模型容量，尤其在检测 Car 时表现稳健，但在识别 Motorcycle 和 Bicycle 方面表现不佳。YOLOv5x6s 在识别 Bus 和 Car 方面有效，但在 Motorcycle 类别方面面临挑战。