基于YOLOv5s的交通信号灯检测算法

作者：周爱玲; 谭光兴^*

来源：广西科技大学学报, 2023, 34(04): 69-76.

DOI：10.16375/j.cnki.cn45-1395/t.2023.04.010

• 交通信号灯
• MobileNetv2
• 卷积块注意力机制(CBAM)
• 检测

在自动驾驶和辅助驾驶领域，准确判断交通信号灯的状态与类别对于智能汽车的行车安全十分重要。针对城市道路交通信号灯目标小、背景环境复杂多样造成的检测难度大等问题，提出一种基于YOLOv5s的交通信号灯检测算法YOLOv5s＿MCO。该算法使用MobileNetv2轻量化网络代替原主干特征提取网络，利用深度可分离卷积和逆残差结构，降低模型的参数量及计算量；然后引入卷积块注意力机制（convolutional block attention module,CBAM），从通道和空间2个维度进行特征增强，增大网络的感受野，使网络更关注交通信号灯的目标特征，提高对小尺度目标的检测能力。实验结果表明：所提算法在自制的国内交通信号灯数据集上检测精度达到了81.89%，相较于原YOLOv5s算法提升了1.33%，同时改进后的模型大小仅为19.1 MB，检测速度达到了39.2帧/s，能够满足实时高效的检测要求。

• 出版日期2023
• 单位自动化学院; 广西科技大学