基于YOLOv5的雾霾天气下交通标志识别模型

作     者：尹靖涵 瞿绍军 姚泽楷 胡玄烨 秦晓雨 华璞靖 YIN Jinghan;QU Shaojun;YAO Zekai;HU Xuanye;QIN Xiaoyu;HUA Pujing

作者机构：湖南师范大学信息科学与工程学院长沙410081 湖南师范大学湘江人工智能学院长沙410081 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2022年第42卷第9期

页      面：2876-2884页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(12071126) 湖南省教育厅科学研究项目(19C1149) 湖南师范大学湘江人工智能学院科研创新项目(202031A12)。 

主　　题：深度学习 目标检测 YOLOv5 特征金字塔 雾霾天气 交通标志识别 

摘      要：针对雾霾、雨雪等恶劣天气下小型交通标志识别精度低、漏检严重的问题,提出一种基于YOLOv5的雾霾天气下交通标志识别模型。首先,对YOLOv5的结构进行优化,采用逆向思维,通过削减特征金字塔深度、限制最高下采样倍数来解决小目标难以识别的问题,并通过调整残差模块的特征传递深度来抑制背景特征的重复叠加;其次,引入数据增强、K-means先验框、全局非极大值抑制(GNMS)等机制到模型;最后,在中国交通标志数据集TT100K上验证改进YOLOv5模型在面对恶劣天气时的检测能力,并对精度下降最显著的雾霾天气下的交通标志识别展开了重点研究。实验结果表明,改进YOLOv5模型的F1-score达0.92150,平均精度均值@0.5(mAP@0.5)达95.3%,平均精度均值@0.5:0.95(mAP@0.5:0.95)达75.2%,且所提模型在恶劣天气下仍能进行交通标志的高精度识别,每秒检测帧数(FPS)达到50,满足实时检测的需求。