改进YOLOv5的小目标交通标志实时检测算法

摘要：

在真实场景下准确实时检测小目标交通标志对自动驾驶有重要意义,针对YOLOv5算法检测小目标交通标志精度低的问题,提出一种基于改进YOLOv5的小目标交通标志实时检测算法.借鉴跨阶段局部网络思想,在YOLOv5的空间金字塔池化上设置新的梯度路径,强化特征提取能力;在颈部特征融合中增设深、浅卷积特征的可学习自适应权重,更好地融合深层语义和浅层细节特征,提高小目标交通标志的检测精度.为验证所提算法的优越性,在TT100K交通标志数据集上进行了实验验证.实验结果表明所提算法在小目标交通标志上的平均精度均值(mean average precision,mAP)为77.3％,比原始YOLOv5提升了5.4个百分点,同时也优于SSD、RetinaNet、YOLOX、SwinTransformer等算法的检测结果.所提算法的运行速度为46.2 frame/s,满足检测实时性的要求.

关键词：交通标志检测、自适应特征融合、小目标、特征提取、YOLOv5

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;江西省教育厅科学技术研究项目

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：185-193