-
题名基于轻量化YOLOv5的交通标志检测
被引量：2
- 1
-
-
作者
张震
王晓杰
晋志华
马继骏
-
机构
郑州大学电气与信息工程学院
河南省交通调度指挥中心
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2024年第2期12-19,共8页
-
基金
国家重点研发计划重点专项(2018XXXXXXXX03)
河南省交通运输厅科技项目(2019G3)。
-
文摘
为了提高道路交通标志的检测速度,提出一种基于轻量化YOLOv5的改进模型。首先,使用Ghost卷积和深度分离卷积(DWConv)构建新的主干模块,减少计算量和参数量;引入加权特征融合网络(BiFPN)结构,增强特征融合能力;将CIoU损失函数替换为SIoU损失函数,关注真实锚框与预测的角度信息,提升检测精度。其次,对TT100K数据集进行优化,筛选出标签个数大于200的交通标志图片和标注信息共24类。最后,实验结果取得84%的准确率、81.2%的召回率和85.4%的所有类别平均精确率的平均值mAP@0.5,相比原始YOLOv5,参数量减少29.0%,计算量减少29.4%,mAP@0.5仅下降0.1百分点,检测帧率提升了34帧/s。使用改进后的模型进行检测,检测速度有了明显提升,基本达到了在保持检测精度的基础上压缩模型的目的。
-
关键词
交通标志检测
轻量化YOLOv5
SIoU损失函数
Ghost卷积
TT100K
BiFPN
-
Keywords
traffic sign detection
lightweight YOLOv5
SIoU loss function
Ghost convolution
TT100K
BiFPN
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
