基于改进YOLOv5s的轻量化交通标志识别检测算法

作     者：刘菲 钟延芬 邱佳伟 Liu Fei;Zhong Yanfen;Qiu Jiawei

作者机构：南昌航空大学土木与交通学院江西南昌330063 江西省智慧建筑工程研究中心江西南昌330063 南昌航空大学智慧建造研究中心江西南昌330063 

基　　金：江西省高校人文社科研究项目(YS22113) 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年第61卷第24期

页      码：92-104页

摘      要：为应对常见交通标志检测方法在光照条件不佳、捕获远距离小目标、复杂背景等情况下检测精度及模型计算效率不足的问题,提出一种改进的YOLOv5s算法,命名为BMGE-YOLOv5s。所提方法将YOLOv5s的原始骨干网络替换为BoTNet (bottleneck Transformer network),设计轻量化网络C3GBneckv2,引入GhostNetv2 bottleneck和高效的通道注意力机制,显著增强模型对交通标志的特征提取能力并降低参数量。为进一步提高对边界框的定位精度,采用MPDIoU损失函数进行优化。实验结果表明,改进后的网络模型在交并比阈值为0.5时的平均精度均值为93.1%,在同一数据集下相较基准模型提升3.3百分点,浮点运算数比基准模型减少9.375%,参数量减少~26.03%,检测速度提升~67.40%。所提算法有效平衡了鲁棒性和实时性,相比传统方法具有明显的性能优势。

主 题 词：YOLOv5s 交通标志识别与检测 深度学习 注意力机制 轻量化 MPDIoU损失函数 

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] 

核心收录：

D　O　I：10.3788/LOP240672

馆 藏 号：203156292...