首页|基于YOLOv5的CCTSDB小目标检测算法研究

基于YOLOv5的CCTSDB小目标检测算法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
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.

刘顺财

展开 >

福州理工学院计算与信息科学学院 福建福州 350506

交通标志 小目标 注意力 检测算法 精度

校一流课程建设项目福建省中青年教师教育科研重点项目(科技类)(2023)

LGJG2022014JZ230068

2024

10.3969/j.issn.1672-9528.2024.03.010

信息技术与信息化
山东电子学会

信息技术与信息化

影响因子：0.29
ISSN：1672-9528
年,卷(期)：2024.(3)
  • 11