改进YOLOv5的交通标志检测方法

交通标志检测对自动驾驶和车辆安全具有重要意义,但交通标志受光照影响尺度变化较大,存在遮挡等情况导致模型检测精度较低,有误检、漏检等问题。基于YOLOv5目标检测算法,提出了一种改进的交通标志检测方法。该方法引入递归门控卷积、SOCA注意力机制和回归损失函数,在TT100K和CCTSDB数据集上进行了大量实验。实验结果表明,改进的YOLOv5在TT100K数据集上平均准确率(mAP)提高了43.7个百分点,mAP@0.5:0.95提高了34.6个百分点,在CCTSDB数据集上平均准确率(mAP)提高了2个百分点,mAP@0.5:0.95提高了1个百分点。