基于改进YOLOv5的交通标志检测算法研究

摘要

针对交通标志检测网络复杂度高、计算量大、难以进行有效部署的问题,提出一种基于改进YOLOv5的交通标志检测算法。该算法首先使用轻量级卷积神经网络Mobilenev3对原YOLOv5网络的主干特征提取网络进行替换;使用深度可分离卷积替换部分标准卷积,来缩减模型计算量;为保证模型检测精度,引入注意力机制CBAM模块。实验表明,改进后的轻量化网络模型大小只为原YOLOv5模型大小的61%,整理后TT100K数据集上的mAP达到了89.2%,FPS达到了25.1帧/毫秒。本文提出的算法在保证检测精度的前提下,大幅度减少了模型参数量和计算量,并提高了检测速度。