检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种改进多尺度特征融合的交通标志识别算法

电讯技术 2024年

作者：余翔靳闪闪杨路重庆邮电大学通信与信息工程学院

在背景复杂且目标距离远的情况下，智能交通系统或自动驾驶中关键的交通标志识别算法的识别准确率有待进一步提升。为此，在YOLOv5s算法的基础上提出了一种改进的交通标志识别算法MAFM-YOLO。首先，在颈部网络设计了基于空洞混合注意力... 详细信息

在背景复杂且目标距离远的情况下，智能交通系统或自动驾驶中关键的交通标志识别算法的识别准确率有待进一步提升。为此，在YOLOv5s算法的基础上提出了一种改进的交通标志识别算法MAFM-YOLO。首先，在颈部网络设计了基于空洞混合注意力机制的多尺度注意力特征融合模块，使网络在特征融合阶段能够高效保留图像中的细节信息，对小目标更加的敏感。其次，在回归阶段采用归一化Wasserstein距离改进原有的损失函数，提高了边界框的回归性能，从而进一步提高网络的识别性能。在TT100K数据集上的实验结果表明，MAFM-YOLO较基准模型在精确率P、召回率R和mAP上分别实现了9.4%、3.3%、6.3%的提升。

关键词：交通标志识别 YOLOv5s 特征融合混合注意力机制归一化Wasserstein距离

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于CF-YOLO的雾霾交通标志识别

计算机工程与设计 2024年第7期 2203-2211页

作者：吴攀超郑卓纹王婷婷孙琦东北石油大学电气信息工程学院

针对现有交通标志检测模型在雾霾环境下出现漏检、错检以及参数较大等问题，设计一种基于YOLOv5s改进的CF-YOLO检测模型。为加强在雾霾环境中对交通标志的检测能力，提出一种基于颜色衰减先验的自适应伽马变换图像预处理算法；为增强对... 详细信息

针对现有交通标志检测模型在雾霾环境下出现漏检、错检以及参数较大等问题，设计一种基于YOLOv5s改进的CF-YOLO检测模型。为加强在雾霾环境中对交通标志的检测能力，提出一种基于颜色衰减先验的自适应伽马变换图像预处理算法；为增强对目标的定位能力及检测精度，将坐标注意力机制融合到网络中；为实现模型轻量化，引入FasterNetBlock构建网络。实验结果表明，改进算法在雾霾环境下交通标志检测相比原YOLOv5模型权重减少了2.3 MB,精度提高了8.5个百分点。

关键词：交通标志识别目标检测卷积神经网络坐标注意力机制颜色衰减先验伽马变换深度学习

基于FMS-YOLOv5s的轻量化交通标志识别算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

国外电子测量技术 2024年第5期43卷 179-189页

作者：曹立康少波厦门理工学院电气工程与自动化学院厦门361024

针对目前的道路交通标志模型有着检测速度慢、模型大和参数多的缺点,提出了一种基于YOLOv5s算法的轻量化交通标志识别算法。首先引入轻量化FasterNet网络,利用该网络中的FasterNet Block结构与原主干网络的C3融合,形成一种全新的C3Faste... 详细信息

针对目前的道路交通标志模型有着检测速度慢、模型大和参数多的缺点,提出了一种基于YOLOv5s算法的轻量化交通标志识别算法。首先引入轻量化FasterNet网络,利用该网络中的FasterNet Block结构与原主干网络的C3融合,形成一种全新的C3Faster结构;接着将原网络的损失函数修改为基于最小点距离(MPDIoU)的损失函数,来提高边界框回归的准确性和效率;最后结合高效且轻量的置换注意力机制(shuffle attention,SA),提高模型的泛化能力和稳定性。在CCTSDB 2021数据集上的实验结果表明,与原网络相比,改进后模型的参数量、模型大小、GFLOPs分别减少了17.5%、17.5%和20%;同时mAP@0.5、mAP@0.75、mAP@0.5:0.95分别提升了2.3%、3.4%和2.4%。而且与YOLOv3-tiny等其他算法对比,所提出的算法有明显的优越性,能满足各种场景下移动端实时性的需求。

关键词： YOLOv5s 交通标志识别轻量化 FasterNet MPDIoU

基于改进ResNet模型的交通标志识别算法

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2024年第5期14卷 221-226页

作者：傅融彭淼逯洋吉林师范大学数学与计算机学院吉林四平136000

本文提出了一种基于改进残差网络ResNet50模型的图像识别方法。通过引入圆形LBP算法,提取图像内部的纹理信息构成纹理图谱;同时在网络中加入通道注意力机制(Efficient Channel Attention,ECA)提高模型性能,使得改进后的算法更适合识别... 详细信息

本文提出了一种基于改进残差网络ResNet50模型的图像识别方法。通过引入圆形LBP算法,提取图像内部的纹理信息构成纹理图谱;同时在网络中加入通道注意力机制(Efficient Channel Attention,ECA)提高模型性能,使得改进后的算法更适合识别交通标志。该方法在GTSRB和BelgiumTS交通标志数据集上的准确率分别达到99.7%和98.3%,有效提高了智能系统识别交通标志的准确率和驾驶的安全性。

关键词：交通标志识别通道注意力机制 ResNet残差网络纹理识别

维普期刊数据库博看期刊

基于改进YOLOv5的复杂场景下交通标志识别方法

在线全文

学校读者我要写书评

暂无评论

湖南工程学院学报(自然科学版) 2024年第2期 31-38页

作者：胡瑛刘狄昆刘拯李铸成乔汇东湖南工程学院信息科学与工程学院

交通标志识别是智能驾驶不可缺少的重要环节，关系着人们进行智能驾驶的安全问题，本文以复杂环境下的交通标志为研究对象，针对目前交通标志识别难以兼顾实时性和准确率的问题，提出一种改进的YOLOv5交通标志识别算法.首先，对数据集... 详细信息

交通标志识别是智能驾驶不可缺少的重要环节，关系着人们进行智能驾驶的安全问题，本文以复杂环境下的交通标志为研究对象，针对目前交通标志识别难以兼顾实时性和准确率的问题，提出一种改进的YOLOv5交通标志识别算法.首先，对数据集做预处理与数据增强，加强对目标的检测能力；其次，引用PP-LCNet轻量型网络，减少主干网络参数量，实现模型轻量化；最后，在颈部网络融合注意力机制，以增强特征提取能力.实验结果表明，相较于原YOLOv5s模型，本文算法的模型参数量减少了25.9%，检测速度提高了50.08帧/s，平均精度达到97.58%，易于部署且能达到智能驾驶场景中对交通标志识别的实时性和准确率要求.

关键词：交通标志识别数据增强 YOLOv5 PP-LCNet网络注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的交通标志检测与识别方法研究

汽车文摘 2024年第6期 30-38页

作者：王云航同济大学汽车学院上海201804

为克服交通标志检测与识别中交通标志目标小、尺寸多样、获取相关特征信息困难且易受到复杂背景干扰等挑战,基于YOLOv5s网络提出一种基于深度学习的交通标志检测与识别方法。针对当前交通标志识别算法在背景复杂的小目标识别方面存在的... 详细信息

为克服交通标志检测与识别中交通标志目标小、尺寸多样、获取相关特征信息困难且易受到复杂背景干扰等挑战,基于YOLOv5s网络提出一种基于深度学习的交通标志检测与识别方法。针对当前交通标志识别算法在背景复杂的小目标识别方面存在的问题,将置换注意力机制嵌入YOLOv5s模型主干网络末端的C3层,提出了一种基于注意力机制的交通标志检测与识别算法,以提高对关键区域的聚焦能力,有效消除背景噪声干扰。针对目前目标检测算法在处理尺寸多变的交通标志图像时存在特征融合局限性的问题,提出了加权特征融合网络算法。该算法使主干网络中包含丰富语义信息的同尺寸浅层特征图,分别与深层的中等和大目标检测层进行加权融合,以增强多尺寸特征融合能力。实验结果表明,改进后算法在交通标志检测数据集CCTSDB 2021上,相较于原YOLOv5s方法,精确度和召回率分别提升了0.5个百分点和3.6个百分点,平均精度提升了2.8个百分点,检测速度达到123.46帧/s。因此,提出的算法能够有效提高交通标志检测和识别的准确性,同时保持原有的检测速度。

关键词：小目标检测交通标志识别 YOLOv5s 置换注意力机制加权特征融合

基于多尺度融合和特征对齐的实时高精度交通标志检测与识别

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

中国传媒大学学报（自然科学版） 2024年第1期31卷 65-73页

作者：万昊任永国百度在线网络技术有限公司北京100085 北京邮电大学北京100876

高精度的实时交通标志检测和识别对安全自动驾驶和智能交通系统至关重要。本研究对基线网络YOLOV4进行了升级,增加了多尺度融合模块和注意力机制模块(AMM),丰富了不同尺度交通标志的特征表示。同时,颈部网络结合了特征选择模块和特征对... 详细信息

高精度的实时交通标志检测和识别对安全自动驾驶和智能交通系统至关重要。本研究对基线网络YOLOV4进行了升级,增加了多尺度融合模块和注意力机制模块(AMM),丰富了不同尺度交通标志的特征表示。同时,颈部网络结合了特征选择模块和特征对齐模块,增强了高、低层特征图之间像素偏移的语义判别。具体地说,针对AMM,设计了一种转置的自注意力操作。其使用互协方差矩阵将令牌维度上的操作转换为通道维度,将时间复杂度从O(n^(2))降低到O(n)。在TT100K交通标志数据集上的实验结果表明,与基线网络(mAP@0.5=76.4%)相比,升级后的网络(mAP@0.5=83.4%)取得了较好的改进,检测和识别速度可达39.45帧/秒,达到了目前最先进的水平。

关键词：交通标志识别神经网络自注意力多尺度融合特征对齐

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv8的交通标志识别算法

智能城市 2024年第3期10卷 9-11页

作者：陈广靖长春大学电子信息工程学院吉林长春130000

针对交通标志识别算法计算量较大、结构复杂及部署应用时对硬件性能要求较高的问题,文章提出了基于YOLOv8n算法改进的YOLOv8-MixGhost交通标志识别轻量化算法,该算法针对YOLOv8算法中的特征提取模块C2f和解耦头计算量较大的问题,提出了... 详细信息

针对交通标志识别算法计算量较大、结构复杂及部署应用时对硬件性能要求较高的问题,文章提出了基于YOLOv8n算法改进的YOLOv8-MixGhost交通标志识别轻量化算法,该算法针对YOLOv8算法中的特征提取模块C2f和解耦头计算量较大的问题,提出了轻量化的特征提取模块MixGhost和轻量化的识别头SEG_Head。在TT100K数据集上进行实验,YOLOv8-MixGhost算法在平均识别精度较YOLOv8n分别提高了0.8%,但计算量是YOLOv8n的82.7%,参数量和模型大小分别较YOLOv8n降低了0.54 M和1.1 M。

关键词：交通标志识别 YOLOv8 轻量化

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv4的道路交通标志识别

光学精密工程 2023年第9期31卷 1366-1378页

作者：李大湘苏仲恒刘颖西安邮电大学通信与信息工程学院陕西西安710121

针对复杂场景中交通标志尺度变化大导致识别精度低的问题,提出了一种改进的YOLOv4算法。首先,设计了一个注意力驱动的尺度感知特征提取模块,通过构建类似残差结构的分层连接方式,增加每层的感受野范围,以获得更具细粒度的多尺度特征,并... 详细信息

针对复杂场景中交通标志尺度变化大导致识别精度低的问题,提出了一种改进的YOLOv4算法。首先,设计了一个注意力驱动的尺度感知特征提取模块,通过构建类似残差结构的分层连接方式,增加每层的感受野范围,以获得更具细粒度的多尺度特征,并在注意力驱动下生成一对具有方向感知与位置敏感的注意力图,使网络能聚焦于更具鉴别力的关键区域;然后,构建一个特征对齐的金字塔卷积特征融合模块,即通过卷积计算相邻尺度特征图间的特征偏移量进行特征对齐;最后,通过金字塔卷积的方式使网络自适应学习最优的特征融合模式,并构建特征金字塔用于识别不同尺度的交通标志。实验结果表明,在TT100K数据集上改进算法比原YOLOv4算法的识别精度提高了5.4%,且优于其他对比识别算法,FPS达到33.17,可满足道路交通标志识别的精确性、实时性等要求。

关键词：计算机视觉交通标志识别注意力机制金字塔卷积 YOLOv4