改进YOLOv5的交通标志检测算法 |
| |
引用本文: | 杨国亮,杨浩,余帅英,王吉祥,聂子玲.改进YOLOv5的交通标志检测算法[J].计算机工程与应用,2023(10):262-269. |
| |
作者姓名: | 杨国亮 杨浩 余帅英 王吉祥 聂子玲 |
| |
作者单位: | 江西理工大学电气工程与自动化学院 |
| |
基金项目: | 江西省教育厅科技计划项目(GJJ190450);;江西省教育厅科技项目(GJJ180484); |
| |
摘 要: | 交通标志检测在自动驾驶、辅助驾驶等智能交通系统已得到广泛应用,其检测性能关乎到行车安全。针对现有目标检测算法对图像中尺寸小、分辨率低和特征不明显的交通标志检测效果较差的问题,提出了一种基于改进YOLOv5s的交通标志检测算法。将原算法中80×80小感受野目标检测层改为感受野更小的160×160检测层,提高网络模型对交通标志小目标的检测能力,降低小目标的漏检率;构建了注意力上下文模块(attention context module,ACM),对各分支获取不同的感受野,得到目标及其相邻区域的特征信息,并且使用注意力机制,让网络更关注于图像中的交通标志,避免受其他复杂信息的影响;加入特征融合模块(feature fusion module,FFM),过滤不同层上的无用信息,只保留对模型检测交通标志有用的信息;加入隐性知识,对检测层进行输出细化。实验结果表明,改进后的算法在CCTSDB交通标志检测数据集上召回率和平均精度达到94.7%、97.6%,相比原模型均有提升,在中远距离小目标检测下效果改善明显,同时检测速度为47.3 FPS,满足实时性要求。
|
关 键 词: | 智能交通 交通标志 注意力上下文 感受野扩增 特征融合 目标检测 |
|
|