基于YOLOv5的雾霾天气下交通标志识别

来源：电子测量技术杂志2023年第8期北京时间：

作者：朱开，陈慈发

单位：1.三峡大学计算机与信息学院 宜昌 443002; 2.湖北省建筑质量检测装备工程技术研究中心 宜昌 443002

摘要：针对雾霾天气下道路交通标志识别难度大、精确度较低的问题，提出一种基于YOLOv5的雾霾天气交通标志识别模型。首先在YOLOv5原始模型上融入卷积注意力机制，在空间维度和通道维度上进行特征增强，抑制雾霾天气对模型的干扰；然后将BiFPN作为neck层中的特征融合结构,更加充分地融合多尺度特征，减少目标信息丢失；并选用CIoU作为YOLOv5的损失函数提高定位能力；使用K-means聚类算法在TT100K和CODA数据集重新获取锚框值，加快模型收敛速度。实验结果表明，改进后模型识别精度达到92.5%，比YOLOv5提升5.6%，在雾霾天气下仍能准确识别交通标志，速度达27 FPS，能够进行实时检测。

关键词：目标检测;交通标志识别;YOLOv5;注意力机制

基金资助：国家自然科学基金新疆联合基金重点项目（U1703261）资助