改进YOLOv5s的交通标识检测算法

作者：李孟浩; 袁三男^*

来源：南京信息工程大学学报(自然科学版), 2023, 1-13.

DOI：10.13878/j.cnki.jnuist.20230502002

• 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

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3.6、2.8、3.4个百分点。

• 出版日期2023
• 单位上海电力大学