10.3969/j.issn.1003-3114.2023.04.004
基于改进YOLOv5 的交通指示牌检测
随着深度学习的不断发展,汽车自动驾驶已成为一种趋势,自动驾驶的安全问题是最重要的.其中,能准确识别复杂环境下密集的交通指示牌是保障安全驾驶的一个重要环节,针对目前检测模型对交通指示牌召回率不够高的问题,在YOLOv5 的基础上提出了 YOLOv5-ACB.经过 300 次的迭代训练,实验结果表明 YOLOv5-ACB 模型的mAP 为 62.9%、mAP50 为 83.6%、召回率为 76.6%,相比原始的 YOLOv5 模型的 mAP 为 62.45%、mAP50 为 82.6%、召回率为 74.6%,均有较好的提升,说明所提出的改进模型降低了交通指示牌的错检和漏检率.
YOLOv5、非对称卷积、TT100K、目标检测
49
TP391(计算技术、计算机技术)
2023-08-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
616-621