结合注意力机制的YOLOv5红绿灯检测算法

作     者：邓天民 王春霞 刘金凤 刘旭慧 DENG Tianmin;WANG Chunxia;LIU Jinfeng;LIU Xuhui

作者机构：重庆交通大学交通运输学院重庆400074 

基　　金：国家重点研发计划项目(SQ2020YFF0418521) 重庆市技术创新与应用发展专项重点项目(cstc2020jscx-xwtBX0005) 川渝联合实施重点研发项目(cstc2020jscx-ylhX0007) 重庆市教育委员会科学技术研究项目(KJQN201800748) 

出 版 物：《重庆理工大学学报（自然科学）》 (Journal of Chongqing University of Technology：Natural Science)

年 卷 期：2023年第37卷第4期

页      码：166-173页

摘      要：针对现有交通灯算法对小目标、遮挡目标检测识别效果不佳等问题,提出一种基于注意力与多尺度特征融合的YOLOv5检测算法(YOLOv5 detection algorithm based on attention and multi-scale feature fusion,AM-YOLOv5)。通过在残差结构中引入坐标注意力模块,提高对小目标的特征提取能力;设计四尺度检测层,通过引入更浅层特征改善对小尺度目标的检测性能,提高检测精度;针对引入注意力和检测层导致计算量增大、速度降低的问题,采用分布移位卷积替换部分主干卷积的方法,简化模型,提升速度。实验结果表明:该算法在Lara数据集上平均精度均值达到90.8%,相较于经典YOLOv5算法,精度提升2.7%,速度达到59.9 FPS,在复杂恶劣环境下的BDD100K数据集上,精度提升3.6%,速度达到34.8 FPS,具有良好的检测效果,能较好地满足交通灯的实时检测。

主 题 词：交通灯检测 注意力机制 多尺度检测 深度学习 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3969/j.issn.1674-8425(z).2023.04.019

馆 藏 号：203121352...