基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
采用yolov5实时目标检测算法,意在对交通标识进行识别检测,减少安全事故,辅助驾驶员驾驶.在分析yolov5算法的原理和特点的基础上,交代了利用yolov5算法实现目标检测的步骤,介绍了准备数据集部分—通过Mosaic来对数据进行增强,加强对小对象的检测,以及使用labelimg软件对图像数据进行框选,整理获得相关的训练集和测试集.通过增强图像数据预处理以及优化相关网络参数,加速模型收敛,实现了实时检测交通标志的效果.相比于yolov4和其他传统检测而言,yolov5的检测效果要略胜一筹,结果表明了基于yolov5的交通标志检测更能满足实时性和准确性的需求.
推荐文章
基于深度可分离卷积的交通标志识别算法
图像处理
目标检测
交通标志
深度可分离卷积
YOLOv3
h-swish
基于街景影像的交通标志识别
交通标志识别
Hough 变换
SIFT算法
PM算法
基于改进YOLOV4模型的交通标志识别研究
交通标志识别
高清街景图像
注意力机制
增强感受野
基于二级改进LeNet-5的交通标志识别算法
卷积神经网络
交通标志
分类识别
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于yolov5的交通标志识别检测
来源期刊 信息技术与信息化 学科
关键词 yolov5 目标检测 交通标志 人工智能 标注
年,卷(期) 2021,(4) 所属期刊栏目 计算机应用
研究方向 页码范围 28-30
页数 3页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1672-9528.2021.04.005
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (76)
共引文献  (484)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1943(1)
  • 参考文献(0)
  • 二级参考文献(1)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(6)
  • 参考文献(1)
  • 二级参考文献(5)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(12)
  • 参考文献(0)
  • 二级参考文献(12)
2016(13)
  • 参考文献(1)
  • 二级参考文献(12)
2017(8)
  • 参考文献(2)
  • 二级参考文献(6)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(3)
  • 参考文献(0)
  • 二级参考文献(3)
2020(1)
  • 参考文献(0)
  • 二级参考文献(1)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
yolov5
目标检测
交通标志
人工智能
标注
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术与信息化
月刊
1672-9528
37-1423/TN
大16开
山东省济南市历下区趵突泉水路24号414
43031
1976
chi
出版文献量(篇)
9484
总下载数(次)
61
总被引数(次)
19267
论文1v1指导