改进YOLOv5的小目标交通标志检测方法

针对真实场景中小目标交通标志检测精度低的问题,提出一种改进YOLOv5的小目标交通标志检测方法。对原主干网络进行简化,降低网络的复杂度;使用高分辨率特征融合网络以减少特征融合时分辨率的损失;在保持三尺度检测的前提下引入大尺寸检测头,提升对小目标的检测能力;引入CBAM注意力机制,挖掘有关小目标的特征信息;引入SPD-Conv取代网络中的跨步卷积,提升特征学习的效果。在TT100K数据集上的实验结果表明,所提方法在小目标交通标志上的检测精度为79.3%,相较于原YOLOv5算法提升了6.1%,整体检测效果优于YOLOX等主流目标检测算法,算法的检测速率为39.4 f/s,满足实时检测的需求。