基于改进YOLOv5的交通标志识别模型
朱开
三峡大学计算机与信息学院 湖北宜昌 443000;湖北省建筑质量检测装备工程技术研究中心湖北宜昌 44300
摘要：针对交通标志识别任务中存在识别精度低、检测速度慢等问题,提出了一种基于改进YOLOv5的交通标志识别模型.首先使用轻量型网络Shufflenetv2替换YOLOv5主干网络提高模型检测速度;然后采用BiFPN作为Neck层中的特征融合结构,实现多尺度融合;最后使用K-means算法重新获取模型初始锚框值.实验结果表明,改进后的网络模型识别精度优于原始YOLOv5,提高了对交通标志的识别效果.
关键词：目标检测交通标志识别YOLOv5Shufflenetv2
论文发表日期：2023-02-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 30-33 )