基于YOLOv5的CCTSDB小目标检测算法研究
刘顺财
福州理工学院计算与信息科学学院 福建福州 350506
摘要：为了提高全新中国交通标志检测数据集2021(CCTSDB 2021)的小目标检测精度.在YOLOv5网络模型上,融入归一化的注意力模块(NAM)和协调注意力模块(CA),同时新增加 160×160 的检测特征图,增加小目标检测层,用于检测 4×4 以上的目标.在YOLOv5 中采用改进的SIou目标回归损失函数,使得整个网络模型对图像特征的学习能力和目标检测精度得到一定的提升.实验表明,CCTSDB 2021在改进的YOLOv5 算法中,小目标检测精度mAP@.5 和mAP@.5:.95达到85.87%、57.21%,相比原YOLOv5 网络 mAP@.5、mAP@.5:.95分别提升了5.72%、5.85%,检测精度和精确率-召回率得到了明显提升,减少了推理时间,提高了整体网络的鲁棒性,具有更好的检测性能和目标分辨能力.
关键词：交通标志小目标注意力检测算法精度
资助基金：校一流课程(LGJG2022014)福建省中青年教师教育科研项目(JZ230068)
论文发表日期：2024-03-28
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( 41-44 )