改进YOLOv5的交通标志检测算法

作者：胡昭华; 王莹

来源：计算机工程与应用, 2022, 1-15.

• 小目标检测
• YOLOv5
• 交通标志检测
• 区域上下文
• 特征增强
• 多尺度检测

交通标志检测在自动驾驶、辅助驾驶等领域是一个重要的环节，关乎到行车安全问题。针对交通标志中存在目标小、背景复杂等难点，提出一种基于改进YOLOv5的算法。首先，提出区域上下文模块，利用多种扩张率的空洞卷积来获取不同感受野，进而获取到目标及其相邻区域的特征信息，相邻区域的信息对交通标志小目标检测起到重要补充作用，可以有效解决目标小的问题；其次，在主干部分引入特征增强模块，进一步提高主干的特征提取能力，利用注意力机制与原C3模块结合，使网络更能聚焦小目标信息，避免复杂背景的干扰；最后，在多尺度检测部分，将浅层特征层与深层检测层进行特征融合，可以同时兼顾浅层位置信息与深层语义信息，增加目标定位与边界回归的准确度，更有利于小目标检测。实验结果表明，改进后的算法在交通标志检测数据集TT100K上取得了87.2%的小目标检测精度、92.4%的小目标召回率以及91.8%的mAP，与原YOLOv5算法相比较，分别提升了3.5%、4.1%、2.6%，检测速度83.3f/s;在CCTSDB数据集上mAP98.0%，提升了2%，检测速度90.9f/s。因此，提出的改进YOLOv5算法可以有效提高交通标志检测精度以及召回率且检测速度相当。

• 出版日期2022-9-23
• 单位南京信息工程大学