改进YOLOv5的交通标志检测算法

• Published in: 计算机工程与应用 Vol. 59; no. 1; pp. 82 - 91
• Main Authors: 胡昭华, 王莹
• Format: Journal Article
• Language: Chinese
• Published: 南京信息工程大学 江苏省大气环境与装备技术协同创新中心,南京 210044%南京信息工程大学 电子与信息工程学院,南京 210044 2023; 南京信息工程大学 电子与信息工程学院,南京 210044
• Subjects: 交通标志检测; 区域上下文; 小目标检测; YOLOv5; 多尺度检测; 特征增强
• ISSN: 1002-8331
• DOI: 10.3778/j.issn.1002-8331.2207-0307

TP391.41; 交通标志检测在自动驾驶、辅助驾驶等领域是一个重要的环节,关乎到行车安全问题.针对交通标志中存在目标小、背景复杂等难点,提出一种基于改进YOLOv5的算法.提出区域上下文模块,利用多种扩张率的空洞卷积来获取不同感受野,进而获取到目标及其相邻区域的特征信息,相邻区域的信息对交通标志小目标检测起到重要补充作用,可以有效解决目标小的问题;在主干部分引入特征增强模块,进一步提高主干的特征提取能力,利用注意力机制与原C3模块结合,使网络更能聚焦小目标信息,避免复杂背景的干扰;在多尺度检测部分,将浅层特征层与深层检测层进行特征融合,可以同时兼顾浅层位置信息与深层语义信息,增加目标定位与边界回归的准确度,更有利于小目标检测.实验结果表明,改进后的算法在交通标志检测数据集TT100K上取得了87.2％的小目标检测精度、92.4％的小目标召回率以及91.8％的mAP,与原YOLOv5算法相比较,分别提升了3.5、4.1、2.6个百分点,检测速度83.3 frame/s;在CCTSDB数据集上mAP为98.0％,提升了2.0个百分点,检测速度90.9 frame/s.因此,提出的改进YOLOv5算法可以有效提高交通标志检测精度以及召回率,且检测速度相当.