典型文献
融合坐标注意力和BiFPN的YOLOv5s交通标志检测方法
文献摘要：
针对不同光照条件下的小目标交通标志检测存在的不易检测、错检等问题,提出了一种融合坐标注意力机制和双向加权特征金字塔(BiFPN)的YOLOv5s交通标志检测方法.首先,在特征提取网络中融入坐标注意力机制,提升网络对重要特征的关注程度,增加模型在不同光照条件下的检测能力;其次,在特征融合网络中使用BiFPN,提升模型的特征融合能力,改善对小目标交通标志的检测能力;最后,考虑到真实框与预测框之间的方向匹配问题,将CIoU损失函数改为SIoU损失函数,进一步提升模型的检测性能.在GTSDB数据集上进行验证,与原始模型相比,平均精度均值(mAP)提升了 3.9％,推理时间为2.5 ms,能够达到实时检测的标准.
文献关键词：
交通标志检测;YOLOv5s;注意力机制;特征融合;损失函数
中图分类号：
作者姓名：
韩岩江;王伟;王峰萍
作者机构：
西安工程大学 西安710048
文献出处：
引用格式：
[1]韩岩江;王伟;王峰萍-.融合坐标注意力和BiFPN的YOLOv5s交通标志检测方法)[J].国外电子测量技术,2022(11):170-179
A类：
B类：
BiFPN,YOLOv5s,交通标志检测,光照条件,小目标,坐标注意力机制,特征金字塔,特征提取网络,检测能力,特征融合网络,融合能力,方向匹配,匹配问题,CIoU,损失函数,SIoU,检测性能,GTSDB,平均精度均值,mAP,推理时间,ms,实时检测
AB值：
0.339544
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。
