-
题名基于YOLOv5的雾霾天气下交通标志识别模型
被引量：33
- 1
-
-
作者
尹靖涵
瞿绍军
姚泽楷
胡玄烨
秦晓雨
华璞靖
-
机构
湖南师范大学信息科学与工程学院
湖南师范大学湘江人工智能学院
-
出处
《计算机应用》
CSCD
北大核心
2022年第9期2876-2884,共9页
-
基金
国家自然科学基金资助项目(12071126)
湖南省教育厅科学研究项目(19C1149)
湖南师范大学湘江人工智能学院科研创新项目(202031A12)。
-
文摘
针对雾霾、雨雪等恶劣天气下小型交通标志识别精度低、漏检严重的问题,提出一种基于YOLOv5的雾霾天气下交通标志识别模型。首先,对YOLOv5的结构进行优化,采用逆向思维,通过削减特征金字塔深度、限制最高下采样倍数来解决小目标难以识别的问题,并通过调整残差模块的特征传递深度来抑制背景特征的重复叠加;其次,引入数据增强、K-means先验框、全局非极大值抑制(GNMS)等机制到模型;最后,在中国交通标志数据集TT100K上验证改进YOLOv5模型在面对恶劣天气时的检测能力,并对精度下降最显著的雾霾天气下的交通标志识别展开了重点研究。实验结果表明,改进YOLOv5模型的F1-score达0.92150,平均精度均值@0.5(mAP@0.5)达95.3%,平均精度均值@0.5:0.95(mAP@0.5:0.95)达75.2%,且所提模型在恶劣天气下仍能进行交通标志的高精度识别,每秒检测帧数(FPS)达到50,满足实时检测的需求。
-
关键词
深度学习
目标检测
YOLOv5
特征金字塔
雾霾天气
交通标志识别
-
Keywords
deep learning
object detection
You Only Look Once version 5(YOLOv5)
feature pyramid
haze weather
Traffic Sign Recognition(TSR)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
