科研之友
微信
新浪微博
Facebook
分享链接
摘要
在真实场景下准确实时检测小目标交通标志对自动驾驶有重要意义，针对YOLOv5算法检测小目标交通标志精度低的问题，提出一种基于改进YOLOv5的小目标交通标志实时检测算法。借鉴跨阶段局部网络思想，在YOLOv5的空间金字塔池化上设置新的梯度路径，强化特征提取能力；在颈部特征融合中增设深、浅卷积特征的可学习自适应权重，更好地融合深层语义和浅层细节特征，提高小目标交通标志的检测精度。为验证所提算法的优越性，在TT100K交通标志数据集上进行了实验验证。实验结果表明所提算法在小目标交通标志上的平均精度均值（mean Average Precision，mAP）为77.3%，比原始YOLOv5提升了5.4%，同时也优于SSD、RetinaNet、YOLOX、SwinTransformer等算法的检测结果。所提算法的运行速度为46.2帧/秒，满足检测实时性的要求。
