基于改进YOLOv5的复杂场景下交通标志识别方法

交通标志识别是智能驾驶不可缺少的重要环节,关系着人们进行智能驾驶的安全问题,本文以复杂环境下的交通标志为研究对象,针对目前交通标志识别难以兼顾实时性和准确率的问题,提出一种改进的YOLOv5交通标志识别算法.首先,对数据集做预处理与数据增强,加强对目标的检测能力;其次,引用PP-LCNet轻量型网络,减少主干网络参数量,实现模型轻量化;最后,在颈部网络融合注意力机制,以增强特征提取能力.实验结果表明,相较于原YOLOv5s模型,本文算法的模型参数量减少了25.9%,检测速度提高了50.08帧/s,平均精度达到97.58%,易于部署且能达到智能驾驶场景中对交通标志识别的实时性和准确率要求.