ComputerEngineeringandApplications计算机工程与应用2023，59（13）交通安全和交通堵塞经常会引起各种各样的社会问题，在造成资源浪费的同时还污染了环境，于是为了解决它们，“智能交通系统（intelligenttransportationsystem，ITS）”这一领域一经提出便迅速发展起来。而交通标志识别（trafficsignrecognition，TSR）在ITS中又是最重要的一环。因此，设计一种同时兼顾模型大小和检测性能的交通标志检测算法具有不可或缺的意义。由于YOLO（youonlyliveonce）检测算法具有高改进YOLOv5的交通标志检测算法杨祥，王华彬，董明刚桂林理工大学信息科学与工程学院，广西桂林541006摘要：如今对交通标志的检测在自动驾驶、智慧交通等领域是必不可少的关键环节，其关系到人们的驾驶安全问题。针对目前对交通标志的识别存在漏检、误检以及识别精度低、模型参数过多的问题，提出了一种基于改进YOLOv5的交通标志检测算法。增加一个小目标检测头，提高对小目标的识别精度。设计了一种由CBAM、SPConv、C3相结合的CSC3模块，引入YOLOv5主干网络中，同时减少其数量，目的是提升特征提取能力，降低参数量。将用于检测大目标的检测头删除，再把SPP替换成SPPCSPC，提高模型对交通标志的检测能力。增加跨层连接，并且通过重构Concat连接，目的是提高算法的识别精度。引入EIOU来替换CIOU损失函数，从而解决漏检、误检问题。使用DWConv替换主干网络的Conv，目的是减少模型参数，提高检测精度。实验结果表明，改进后的算法的平均准确率均值mAP@0.5：0.95为62.6%，比原YOLOv5s提高了8.3个百分点，参数量下降了10.1%，并且检测速度达到了74FPS，能够满足实际检测需求。关键词：YOLOv5；交通标志检测；特征融合；深度可分离卷积；目标检测文献标志码：A中图分类号：TP391.4doi：10.3778/j.issn.1002-8331.2302-0319ImprovedYOLOv5’sTrafficSignDetectionAlgorithmYANGXiang,WANGHuabin,DONGMinggangCollegeofInformationScienceandEngineering,GuilinUniversityofTechnology,Guilin,Guangxi541006,ChinaAbstract：Nowadays,thedetectionoftrafficsignsisanessentialkeylinkinautomaticdriving,intelligenttransportationandotherfields,whichisrelatedtopeople’sdrivingsafety.AtrafficsigndetectionalgorithmbasedonimprovedYOLOv5isproposedtosolvetheproblemsofmissingdetection,falsedetection,lowrecognitionaccuracyandexcessivemodelparametersinthecurrenttraffi...
