原文传递
基于改进YOLO算法的交通标志的检测和识别
| 论文题名： | 基于改进YOLO算法的交通标志的检测和识别 |
| 关键词： | 汽车驾驶;交通标志;目标检测;自动识别;改进YOLO算法 |
| 摘要： | 随着城市化进程的加快和交通运输的发展，交通安全日益引起人们的关注。汽车中搭载的交通标志检测系统，能给驾驶者提供重要的指导和警示，减少交通事故的发生。近年来，深度学习技术快速发展，基于深度学习的目标检测算法逐渐成为了研究热点。在众多目标检测算法中，YOLO 系列算法凭借其精度和速度方面的出色表现，成为了现阶段最为优秀的目标检测算法之一。因此本文选择YOLOv5算法作为交通标志检测和识别的算法，并以此为基础开展研究工作。 本文针对交通标志检测中的诸多难点，提出了一种改进YOLOv5的交通标志检测和识别算法。利用K-Means聚类和遗传算法生成合适的先验锚框；引入Bi-FPN结构增强网络的表征能力；引入GAM注意力机制，提升网络抗干扰能力；改进边框回归损失函数SIoU loss，提高了网络的收敛速度。最后，在中国交通标志数据集上进行了实验验证。实验结果表明，与原始的YOLOv5算法相比，本文提出的改进算法在平均精度均值mAP、精确度P、召回率R、F1值分别提升了10.03个百分点、4.7个百分点、2.6个百分点和3.48个百分点，验证了该算法对交通标志检测的有效性。 另一方面，改进的 YOLOv5 算法尽管能够实现较高的检测准确度，但被部署在计算和存储空间有限的车载系统中依然存在困难。所以本文将 Ghost 模块引入YOLOv5算法的主干网络，大大减少计算复杂度和空间复杂度。实验结果表明，改进的GhostNet-YOLO算法在损失约2.8个百分点的分类精度，1.1个百分点定位精度的情况下，推理速度提高了约 12%，网络参数减少了 16%，计算量 GFLOPs 减少了约23%，能够更好的满足检测实时性的要求。 |
| 作者： | 罗开涛 |
| 专业： | 应用统计 |
| 导师： | 何清龙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 贵州大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
