基于SA-YOLOv5 的交通标志目标检测研究

• 作者: 韩辉 孙熙庆 陈一君 王永健
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 目标检测 交通标志识别 注意力机制 YOLOv5 嵌入式系统
• 年，卷（期）: 2023,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 100-106
• 页数: 7页
• 语种: 中文

摘要

在自动驾驶的目标检测算法中,识别远处交通标志时对微小目标很容易出现漏检、误检现象,影响车载设备对路况的判断,因此对目标检测算法的精度有着严格要求.针对微小交通标志检测精度低甚至漏检的问题,提出一种基于 Shuffle 注意力模块(Shuffle Attention Module,SA)、卷积注意力模块(Convolutional Block Attention Module,CBAM)与 目标检测算法YOLOv5相结合的交通标志检测方法,称为Shuffle-Attention-YOLOv5(SA-YOLOv5).该方法是将SA模块融入到YOLOv5的Backbone网络中构成对像素级信息特征提取的网络,准确提取所有相关的输入特征,并在网络的Neck部分中融入了 CBAM,更好地利用Backbone中提取的特征,在上采样与下采样中寻找微小物体场景中的注意力区域,以此加强对远处微小交通标志的特征提取与识别能力.在中国交通标志数据集(CCTSDB)上进行训练和模型对比实验,并将结果模型部署在嵌入式开发板中验证实际检测性能,通过筛选,检测微小目标时的mAP值达到了 98.10％,对比其他基于注意力机制改进的YOLOv5,mAP值提高了 1.70％,验证了SA-YOLOv5能有效聚焦于图像中的感兴趣区域,在检测交通标志此类小目标场景中具有良好的性能.