电讯技术

作者：李志刚,张娜

单位：(华北理工大学 人工智能学院,河北 唐山 063210;华北理工大学 人工智能学院,河北 唐山 063211)

关键词：无人驾驶车；环境感知；交通标志识别；遗传学习；K-means聚类；

基金：国家重点研发计划项目（2017YFE0135700）；唐山市科技计划项目（19150230E）

针对为提高交通标志识别精度使得神经网络层数过深从而导致实时性不佳的问题，提出了一种轻量型YOLOv5交通标志识别方法。首先采用遗传学习算法和K-means聚类确定适合交通标志识别的锚框，然后引入Stem模块和ShufflenetV2的基础单元网络来替换YOLOv5的主干网络。相比于YOLOv5模型，在中国交通标志检测数据集上，轻量型YOLOv5模型在保持识别精度为95.9%的同时，参数量减少了95.4%，实际内存空间减少了93.9%，在GPU和CPU上运行的速度分别提升了79.7%和75%，极大地提高了交通标志识别的实时性，更适合无人驾驶环境感知系统的部署。

来源：2022年第9期

《电讯技术》期刊编辑部

查看电讯技术杂志2022年第9期