文献类型：期刊文章

作　　者：王军[1,2] 葛宝康[1] 程勇[1]

WANG Jun;GE Bao-Kang;CHENG Yong(School of Software,Nanjing University of Information Science and Technology,Nanjing 210044,China;Science and Technology Industry Division,Nanjing University of Information Science and Technology,Nanjing 210044,China)

机构地区：[1]南京信息工程大学软件学院,南京210044 [2]南京信息工程大学科技产业处,南京210044

出　　处：《计算机系统应用》

基　　金：国家自然科学基金(41875184,41975183)。

年　　份：2023

卷　　号：32

期　　号：12

起止页码：243-252

语　　种：中文

收录情况：IC、JST、ZGKJHX、普通刊

摘　　要：针对交通信号灯检测中目标尺度小、检测精度低的问题,提出一种改进YOLOv5s的交通信号灯检测算法.首先,构建一种特征金字塔模块RSN-BiFPN,充分融合不同尺度的交通信号灯特征,以减少目标漏检和误检.其次,引入新的特征融合层和预测头,提高网络对小目标的感知性能,增强检测准确性;最后,采用EIoU函数优化损失,加快网络收敛速度.通过在S2TLD公开数据集上进行的大量的实验结果表明,本文所提方法相较于基础网络,精确率提升4.1%,达96.1%;召回率提升3%,达95.9%;平均精确度提升1.9%,达96.5%.同时,改进后的算法实现了更快的检测速度,达每秒22.7帧,本文方法有效实现交通信号灯快速、准确地检测,可广泛应用于交通道路中信号灯分析相关研究.

关 键 词：交通信号灯检测  YOLOv5s  小目标  特征金字塔  EIoU损失函数  

分 类 号：TP183] TP391.41] U491.54[物流管理与工程类]