基于改進YOLOv5的復雜背景下交通標志識別研究

打開文本圖片集

摘  要：針對復雜路況背景下交通標志檢測任務存在辨識度低、漏檢嚴重等問題，提出一種基于改進YOLOv5s的輕量級交通標志檢測模型。首先，引入坐標注意力模塊，增強重要特征關注度；其次，對損失函數(shù)進行改進，降低邊框回歸時的自由度，加速網絡收斂；最后，在中國交通標志檢測數(shù)據集上進行實驗。結果表明，模型在保持原有YOLOv5s模型體量的情況下，mAP@0.5提高了2.7%，檢測速度達到91 FPS，對各種交通場景變化具有更好的魯棒性。（剩余6717字）