典型文献
基于注意力机制的交通标志识别
文献摘要：
针对实际场景中的交通标志大多小而密集,导致小目标交通标志识别准确度较低的问题,提出一种改进YOLOv5算法.首先将CBAM同时嵌入YOLOv5网络的Backbone和Head部分,以提升网络特征提取能力.其次为解决GIoU Loss可能造成的模型收敛速度较慢问题,改用DIoU Loss作为网络回归损失函数.实验结果表明,改进后的算法对于交通标志图像的识别平均准确率达到96.40％,相较于原算法有了 6.83％的提升.最后为验证模型的实时可行性,在TX2嵌入式系统中利用本文改进YOLOv5算法对实景视频中的交通标志进行识别,结果表明本文改进算法能在嵌入式系统中流畅运行.
文献关键词：
交通标志识别;YOLOv5;CBAM;DIoU Loss;嵌入式系统
中图分类号：
作者姓名：
李宇琼;周永军;蒋淑霞;梁杨
作者机构：
中南林业科技大学机电工程学院 长沙410000
文献出处：
引用格式：
[1]李宇琼;周永军;蒋淑霞;梁杨-.基于注意力机制的交通标志识别)[J].电子测量技术,2022(08):116-120
A类：
B类：
注意力机制,交通标志识别,针对实际,小目标,YOLOv5,CBAM,Backbone,Head,网络特征,特征提取能力,GIoU,Loss,收敛速度,较慢,改用,DIoU,损失函数,平均准确率,验证模型,TX2,嵌入式系统,实景,改进算法,中流,流畅
AB值：
0.419159
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
