基于轻量化YOLOv5s的交通标志检测研究

摘要：

针对交通标志检测存在模型精度较低、体积较大、不方便部署的问题,提出一种轻量化的YOLOv5s交通标志检测方法.首先使用注意力机制SENet改进C3 模块,将CBAM模块融合进模型中,提升模型精度;然后删减一半卷积核实现模型的轻量化;最后,采用TensorRT技术实现模型在Jetson nano上的部署.实验结果表明:使用SEC3 替代C3,模型精度由 93.6%提高到了 94.6%,通过轻量化方法,模型大小由 14.2 M下降为 3.98 M,而模型精度此时下降为 92.0%,再将CBAM模块融合进轻量模型中,精度又提高到了 92.9%.最终,运用TensorRT将模型部署在Jetson nano上并加速推理,FPS达到了 24.1 f/s,满足了实时交通标志检测的需求.

关键词：交通标志检测、注意力机制、轻量化、YOLOV5s、TensorRT

所属期刊栏目：61

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2023-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：130-135