-
题名基于改进YOLOv5s的被遮挡交通标志检测算法
- 1
-
-
作者
蓝章礼
邢彩卓
张洪
-
机构
重庆交通大学信息科学与工程学院
重庆交通大学省部共建山区桥梁及隧道工程国家重点实验室
-
出处
《计算机工程》
北大核心
2025年第5期361-369,共9页
-
基金
国家自然科学基金(52278291)
重庆交通大学研究生科研创新项目(2024s0105)。
-
文摘
智能驾驶中道路交通标志的检测与识别极其重要,针对交通标志被遮挡时存在目标小、检测精度低的问题,提出一种基于改进YOLOv5s的被遮挡交通标志检测算法。通过自制中国遮挡交通标志数据集(COTSD),解决交通标志在被遮挡情况下数据集缺乏的问题,并根据细粒度物体检测需要模型提取丰富判别特征,提出一种基于MobileNetv2改进的主干网络。针对交通标志较小、被遮挡且分辨率较低,普通线性插值方式无法捕捉更高阶、更细节特征的问题,设计一种改进的动态权重上采样模块(DEUM),整合经过通道注意力加权之后的通道信息进行像素重排,生成高分辨率图像;针对综合交并比(CIoU)等损失函数对小目标位置变化敏感的问题,使用归一化高斯Wassertein距离(NWD)来优化边界框回归损失。实验结果表明,该算法在自制被遮挡COTSD上的准确率为93.60%,召回率为72.50%,F1值为81.71%,mAP@0.5为79%;在包含少量被遮挡交通标志的公开CCTSDB上的准确率为92.2%,召回率为78.8%,F1值为85%,mAP@0.5为88.5%。该算法有效提高了被遮挡后交通标志的检测精度。
-
关键词
交通标志检测
遮挡条件
MobileNetv2模型
动态权重上采样模块
归一化高斯Wassertein距离
-
Keywords
traffic sign detection
occlusion conditions
MobileNetv2 model
dynamic weight upsampling module(deum)
Normalized Gaussian Wasserstein Distance(NWD)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
