电讯技术

作者：余翔,靳闪闪,杨路

单位：(重庆邮电大学 通信与信息工程学院,重庆 400065)

关键词：交通标志识别；YOLOv5s；多尺度特征融合；混合注意力机制；归一化Wasserstein距离；

基金：国家自然科学基金资助项目（62176035）

为了进一步提高在背景复杂且目标距离远的情况下交通标志识别算法的识别准确率，在YOLOv5s算法的基础上提出了一种改进的交通标志识别算法MAFM-YOLO。首先，在颈部网络设计了基于空洞混合注意力机制的多尺度注意力特征融合模块，使网络在特征融合阶段能够高效保留图像中的细节信息，对小目标更加的敏感。其次，在回归阶段采用归一化Wasserstein距离改进原有的损失函数，提高了边界框的回归性能，从而进一步提高网络的识别性能。在TT100K数据集上的实验结果表明，MAFM-YOLO较基准模型在精确率、召回率和平均精度均值上分别实现了9.4%、3.3%、6.3%的提升。

来源：2024年第12期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第12期