摘要
针对小目标交通标志检测存在的检测精度低、实时性低以及模型体积大等问题,提出了一种基于Yolov5的实时道路交通标志检测算法。首先,对Mobilenetv3中倒残差结构进行改进,将其应用于Yolov5的主干网络中,使其更符合轻量网络的设计;其次,使用轻量级上采样通用算子CARAFE(Content-Aware ReAssembly of FEatures)代替原始网络的最近邻插值上采样模块,减少上采样信息损失的同时增大感受野;最后,使用GLFA(Global and local fusion attention)全局与局部融合注意力,聚焦全局尺度与局部尺度,增强网络对小目标物体的敏感程度。在自制中国多类交通标志数据集CMTSD(Chinese Multi-Class Traffic Sign Dataset)上的实验表明,改进后的算法在模型体积减小8.76MB的基础上,map@0.5提升了2.58%,检测速度达到62.69FPS。与其他主流目标检测算法相比,该算法在检测精度、检测速度以及模型体积上具有一定的优势,在真实复杂交通场景中具有较好的性能。
- 单位