典型文献
基于YOLOv5的轻量化交通标志检测方法
文献摘要：
针对目前交通标志检测算法存在网络复杂度高、计算量大、边缘端部署难度高.提出一种基于YOLOv5的轻量化交通标志目标检测算法.通过增加注意力机制,使用CBAM和CA融合的方式,强化检测模型抗干扰能力;通过FPGM剪枝,对模型进行了压缩,降低计算量、提高推理速度;通过软硬件融合设计,实现YOLOv5s模型与硬件融合,形成一整套完整的移动智能交通标志目标检测系统;结果表明,增加多种注意力机制后,模型精度提高了 2.8％.在极限剪枝的情况下,模型仅有0.54 MB.在Jetson Nano(20 W)的环境下,检测速度达21帧/s,满足实时的交通标志检测.
文献关键词：
目标检测;注意力机制;模型剪枝;软硬件融合;YOLOv5;FPGM
中图分类号：
作者姓名：
张上;王恒涛;冉秀康
作者机构：
三峡大学湖北省建筑质量检测装备工程技术研究中心 宜昌443002;三峡大学计算机与信息学院 宜昌443002;三峡大学电气与新能源学院 宜昌443002
文献出处：
引用格式：
[1]张上;王恒涛;冉秀康-.基于YOLOv5的轻量化交通标志检测方法)[J].电子测量技术,2022(08):129-135
A类：
软硬件融合
B类：
交通标志检测,计算量,边缘端部署,目标检测算法,注意力机制,CBAM,CA,检测模型,抗干扰能力,FPGM,推理速度,融合设计,YOLOv5s,一整套,移动智能,智能交通,模型精度,MB,Jetson,Nano,检测速度,模型剪枝
AB值：
0.311408
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。
