改进YOLOv5的交通标志检测算法

来源：计算机工程与应用杂志2023年第13期北京时间：

作者：杨祥, 王华彬, 董明刚

单位：桂林理工大学 信息科学与工程学院，广西 桂林 541006

摘要：如今对交通标志的检测在自动驾驶、智慧交通等领域是必不可少的关键环节，其关系到人们的驾驶安全问题。针对目前对交通标志的识别存在漏检、误检以及识别精度低、模型参数过多的问题，提出了一种基于改进YOLOv5的交通标志检测算法。增加一个小目标检测头，提高对小目标的识别精度。设计了一种由CBAM、SPConv、C3相结合的CSC3模块，引入YOLOv5主干网络中，同时减少其数量，目的是提升特征提取能力，降低参数量。将用于检测大目标的检测头删除，再把SPP替换成SPPCSPC，提高模型对交通标志的检测能力。增加跨层连接，并且通过重构Concat连接，目的是提高算法的识别精度。引入EIOU来替换CIOU损失函数，从而解决漏检、误检问题。使用DWConv替换主干网络的Conv，目的是减少模型参数，提高检测精度。实验结果表明，改进后的算法的平均准确率均值mAP@0.5：0.95为62.6%，比原YOLOv5s提高了8.3个百分点，参数量下降了10.1%，并且检测速度达到了74?FPS，能够满足实际检测需求。

关键词：YOLOv5,交通标志检测,特征融合,深度可分离卷积,目标检测