科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对交通标志检测存在模型精度较低、体积较大、不方便部署的问题，提出一种轻量化的YOLOv5s交通标志检测方法。首先使用注意力机制SENet改进C3模块，将CBAM模块融合进模型中，提升模型精度；然后删减一半卷积核实现模型的轻量化；最后，采用TensorRT技术实现模型在Jetson nano上的部署。实验结果表明：使用SEC3替代C3，模型精度由93.6%提高到了94.6%，通过轻量化方法，模型大小由14.2 M下降为3.98 M，而模型精度此时下降为92.0%，再将CBAM模块融合进轻量模型中，精度又提高到了92.9%。最终，运用TensorRT将模型部署在Jetson nano上并加速推理，FPS达到了24.1 f/s，满足了实时交通标志检测的需求。
- 出版日期2023
- 单位上海工程技术大学
