一种基于改进YOLOv5s的高速公路广告实时检测算法

作     者：赵丁莹 刘正才 雷宇斌 朱建伟 王书涵 ZHAO Dingying;LIU Zhengcai;LEI Yubin;ZHU Jianwei;WANG Shuhan

作者机构：湘潭大学土木工程学院湖南湘潭411105 湖南科技大学地理空间信息技术国家地方联合工程实验室湖南湘潭411201 湖南省第一测绘院湖南长沙410114 

出 版 物：《湘潭大学学报（自然科学版）》 (Journal of Xiangtan University(Natural Science Edition))

年 卷 期：2023年第45卷第6期

页      面：23-33,109页

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(51971188) 国家重点研发计划子课题(2018YFB0504500) 湖南省自然科学基金项目(2020JJ5164) 湖湘高层次人才聚集工程创新团队(2019RS1059)。 

主　　题：YOLOv5s PP-LCNet ASFF 高速公路广告牌 目标检测 

摘      要：高速公路广告牌人工巡检的作业方式危险系数高、效率低下,研发智能化巡检平台已然成为当下迫切的需求.针对上述问题,该文开展了如下工作:(1)自主构建了一份高速公路广告牌影像数据集,含多源图像数据2 200张;(2)提出了一种改进的YOLOv5s高速公路广告牌实时目标检测算法,该方法将骨干特征提取网络的CSP1-x结构替换为更轻量的PP-LCNet网络,以实现模型的轻量化;将特征图金字塔的特征融合层由原来的PA-Net网络替换为ASFF自适应空间特征融合网络,使颈部网络能对不同层级的特征自适应地融合,在空间上过滤冲突信息以抑制梯度反向传播时的不一致性,以解决高速巡检带来的目标尺寸变化剧烈以及运动模糊等导致的检测精度偏低的问题.基于自建数据集训练与其他主流算法开展对比实验,证明了该算法在检测精度和速度上的优势;通过开展消融实验,验证了该文所采用的两种改进方法对模型性能提升的有效性.