基于改进YOLOv5s的交通标识检测算法

来源：南京信息工程大学学报·自然科学版杂志2024年第1期北京时间：

作者：李孟浩，袁三男

单位：李孟浩,上海电力大学 电子与信息工程学院, 上海, 201306,袁三男,上海电力大学 电子与信息工程学院, 上海, 201306,samuel.yuan@shiep.edu.cnis_first_author:0,is_contact_author:,sequence:2,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：针对交通标识在图像中占比小、检测精度低且周围环境复杂等问题,提出一种基于改进YOLOv5s的算法.首先,在主干网络部分添加注意力机制ECA(Efficient Channel Attention,高效通道注意力),增强网络的特征提取能力,有效解决了周围环境复杂的问题;其次,提出HASPP(Hybrid Atrous Spatial Pyramid Pooling,混合空洞空间金字塔池化),增强了网络结合上下文的能力;最后,修改网络中的Neck结构,使高层特征与底层特征有效融合,同时避免了跨卷积层造成的信息丢失.实验结果表明,改进后的算法在交通标识数据集上取得了94.4％的平均检测精度、74.1％的召回率以及94.0％的精确率,较原始算法分别提升了3.7、2.8、3.4个百分点.

关键词：交通标识检测;小目标检测;YOLOv5s;注意力机制;特征提取;混合空洞空间金字塔池化