融合坐标注意力和BiFPN的YOLOv5s交通标志检测方法

针对不同光照条件下的小目标交通标志检测存在的不易检测、错检等问题，提出了一种融合坐标注意力机制和双向加权特征金字塔(BiFPN)的YOLOv5s交通标志检测方法。首先，在特征提取网络中融入坐标注意力机制，提升网络对重要特征的关注程度，增加模型在不同光照条件下的检测能力；其次，在特征融合网络中使用BiFPN,提升模型的特征融合能力，改善对小目标交通标志的检测能力；最后，考虑到真实框与预测框之间的方向匹配问题，将CIoU损失函数改为SIoU损失函数，进一步提升模型的检测性能。在GTSDB数据集上进行验证，与原始模型相比，平均精度均值(mAP)提升了3.9%,推理时间为2.5 ms,能够达到实时检测的标准。