改进YOLOv5-S的交通标志检测算法

作     者：刘海斌 张友兵 周奎 张宇丰 吕圣 LIU Haibin;ZHANG Youbing;ZHOU Kui;ZHANG Yufeng;LYU Sheng

作者机构：湖北汽车工业学院汽车工程师学院Sharing-X移动服务技术平台联合实验室湖北十堰442000 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第5期

页      面：200-209页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 0810[工学-信息与通信工程] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖北省科技重大专项(2020AAA001) 湖北省重点研发计划项目(2021BED004,2023BAB169) 

主　　题：交通标志检测 YOLOv5 坐标注意机制 Focal-EIoU GSConv 

摘      要：在自动驾驶领域,现有的交通标志检测方法在检测复杂背景中的标志时存在着漏检或误检的问题,降低了智能汽车的可靠性。对此,提出了一种改进YOLOv5-S的实时交通标志检测算法。在特征提取网络中融合坐标注意力机制,通过构建目标的长范围依赖来捕获物体的位置感知,使得算法聚焦于重点的特征区域;引入Focal-EIoU损失函数来取代CIoU,使其更关注高质量的分类样本,提高对难分类样本的学习能力,减少漏检或者误检的问题;在网络中融合轻量级卷积技术GSConv,降低模型的计算量。增加新的小目标检测层,通过更丰富的特征信息提高小尺寸标志的检测效果。实验结果表明,改进方法的mAP@0.5和mAP@0.5:0.95分别为88.1%和68.5%,检测速度达到了83 FPS,能够满足实时可靠的检测需求。