面向交通标志的改进YOLO目标检测算法

作     者：赵磊 李栋 房建东 曹琪 ZHAO Lei;LI Dong;FANG Jiandong;CAO Qi

作者机构：内蒙古工业大学信息工程学院内蒙古呼和浩特010050 

基　　金：内蒙古自治区自然科学基金项目(2022QN06004) 

出 版 物：《图学学报》 (Journal of Graphics)

年 卷 期：2024年第45卷第4期

页      码：779-790页

摘      要：针对当前算法在面对交通标志时存在识别精度低、检测错误较多等问题,提出了一种基于YOLOv5优化的交通标志检测方法。在Backbone部分,为了获得不同大小的感受野,不同复杂度的特征,并增强特征图的重要特征,抑制冗余特征,使用DBB重参数模块代替Conv卷积,并加入SE注意力机制;在Neck部分,设计了新的SLA Neck,聚合来自不同层的特征图,有效防止小目标特征信息损失,对融合后的特征进行上采样,增加小目标检测层,增强浅层语义信息;在Head部分引入IoU-Aware查询选择,即将IoU分数引入分类分支的目标函数,预测框与GT的IoU作为类别预测的标签,以实现对正样本分类和定位的一致性约束;使用SIoU损失函数代替CIoU损失函数,考虑真实框与预测框之间的方向,提升收敛速度和推理能力。实验结果表明,在TT100K数据集下,方法相较于YOLOv5m,计算量减少了3.3%,参数量减少了34.8%,而mAP和mAP@50:95分别提升了13.8%和10.4%。实验说明,该模型在减少模型参数量及大小的同时提高了检测精度,具有应用价值。

主 题 词：交通标志检测 YOLOv5 重参数化 注意力机制 SLA 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.11996/JG.j.2095-302X.2024040779

馆 藏 号：203138914...