科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着无人驾驶技术的发展，交通标志检测对于维护交通秩序、降低交通事故频率意义重大。针对交通标志因尺寸小、密度高或背景复杂导致检测精度降低的问题，提出一种改进的YOLOv5s算法。首先，将ConvNeXt＿Block嵌入YOLOv5s的Backbone和Head部分，增强YOLOv5s特征提取网络的特征提取能力，提升模型检测精度；其次，引入轻量级通用上采样算子CARAFE,在不带来过多参数量和计算量的前提下，更好地利用特征图的信息，同样带来精度提升。使用该模型处理TT100K数据集，达到79.9%的检测精度，在YOLOv5s算法的基础上提高了1.8%,帧处理速率达到74 FPS,仍然符合实时性的要求。实验结果充分验证，改进模型在真实的交通标志检测场景中兼具实时性与准确性。
- 出版日期2023
- 单位西安邮电大学; 通信与信息工程学院
