基于改进YOLOv5s的交通信号灯检测算法

作     者：黄寅杰 王福元 肖海宁 王仲楼 

作者机构：盐城工学院机械工程学院江苏 盐城 

出 版 物：《建模与仿真》 (Modeling and Simulation)

年 卷 期：2023年第12卷第6期

页      面：5860-5874页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：目标检测 小尺寸目标 YOLOv5s 交通信号灯 

摘      要：针对交通信号灯检测在背景环境复杂、小目标检测困难和实时性要求高的问题,基于YOLOv5s提出一种YL-YOLOv5s方法用于交通信号灯检测。首先,将Neck特征融合网络中残差结构替换为多层次跨通道DenseNet连接方式,以增强特征提取能力与减少梯度消失问题;然后,将DenseNet中的卷积操作替换为倒残差结构MobileNetV2,以加快推理速度并降低内存占用;最后在模块中嵌入通道注意力机制ECA (Efficient Channel Attention),有效建立了通道之间的相关性,从而提高了交通信号灯检测的准确率。实验结果表明,在法国巴黎信号灯LaRa和博世小型交通信号灯BSTLD上进行测试,与YOLOv5s算法相比,mAP@0.5:0.95、mAP@0.5等关键指标都有提升,在LaRa数据上mAP@0.5:0.95提升8.5%,并且模型计算量减少了23.2%,说明YL-YOLOv5s模型能够有效提升复杂环境下小目标的检测精度,且轻量化效果明显。