文献类型：期刊文章

作　　者：吕禾丰[1] 陆华才[1]

Lv Hefeng;Lu Huacai(Key Laboratory of Electric Drive and Control of Anhui Higher Education Institutes,Anhui Polytechnic University,Wuhu 241000,China)

机构地区：[1]安徽工程大学电气传动与控制安徽普通高校重点实验室,芜湖241000

出　　处：《电子测量与仪器学报》

基　　金：皖江高端装备制造协同创新中心开放基金项目(GCKJ2018013);安徽工程大学基金项目(项目编号:Xjky2020022)资助。

年　　份：2021

卷　　号：35

期　　号：10

起止页码：137-144

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种改进YOLOv5算法的交通标志识别方法。首先改进YOLOv5算法的损失函数,使用EIOU损失函数代替YOLOv5算法所使用的GIOU损失函数来优化训练模型,提高算法的精度,实现对目标更快速的识别;然后使用加权Cluster非极大值抑制(NMS)改进YOLOv5本身所使用的加权NMS算法,提高生成检测框的准确率。实验结果表明,改进后的YOLOv5算法在由长沙理工大学制作的CCTSDB交通标志数据集上训练的模型的mAP值达到了84.35%,比原始的YOLOv5算法提高了6.23%。所以改进YOLOv5算法在交通标志识别中有更高的精度,能够更好的应用到实践当中。

关 键 词：深度学习  YOLOv5  Cluster NMS  EIOU  交通标志识别

分 类 号：TP391.4] TN911.73[计算机类]