基于改进YOLOv5s的交通标志检测方法
罗昊
李学兵
顾雨娟
湖北汽车工业学院电气与信息工程学院 十堰 442000
摘要：针对YOLOv5s原模型检测交通标志存在遮挡物体识别检测能力不强、精确度不高和远处的交通标志目标难识别等问题,提出一种基于改进YOLOv5s的交通标志的检测方法.首先通过融入卷积注意力模块(CBAM)和加权双向特征金字塔网络(BiFPN),强化YOLOv5s网络模型对交通标志的检测能力;其次添加小目标检测层,拼接较浅与深特征图,同时采用图像分割与极大值抑制算法,提高识别远处交通标志目标的精确度.实验结果表明,改进模型对比原始YOLOv5s模型不仅在精确度、召回率和mAP@0.5分别提升了8.0%、6.5%和2.7%,而且对较远处目标的交通标志和有物体遮挡的交通标志检测效果有大幅度的提升,改进后的YOLOv5s模型优于原模型且提高了对交通标志检测的准确性.
关键词：交通标志检测YOLOv5s注意力模块(CBAM)BiFPNanchor层
分类号：TP391(计算技术、计算机技术)
资助基金：教育部卓越工程师教育培养计划项目产学合作协同育人项目(202101355003)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3513-3518 )
英文信息