一种基于YOLO的高效实时交通标志识别模型

杨孟燃 韩双双

大连东软信息学院智能与电子工程学院

成果简介

近日，大连东软信息学院智能与电子工程学院韩双双、杨孟燃（学生）在JCR三区期刊Signal, Image and Video Processing上发表了题为 ETS-YOLO: An Efficient YOLO-based Model for Real-Time Traffic Sign Recognition的论文。

引言

辅助驾驶系统的发展需求正逐渐成为汽车制造行业的关注重点，其中交通标志检测是辅助驾驶系统的关键组成部分，也是计算机视觉内目标检测方向的热门课题之一，在其发展的过程中已经有了不少相关成果，但仍存在检测效果易干扰、小目标检测难度大、实时性与准确性相矛盾等一系列问题。针对目前存在的上述问题，本文基于YOLOv5提出一种高效交通标志 YOLO（ETS-YOLO）模型，以满足实时交通标志识别的需求。

成果介绍

本文基于 YOLOv5 基准模型进行模型算法改进，通过引入部分卷积对网络中包含 3 个卷积层的C3模块进行重新设计，提出 C3Efficient 模块，减少冗余计算与内存访问，使模型更高效、轻量化。在特征金字塔网络阶段采用动态上采样（DySample）提升上采样效果，同时，重新定义锚框位置损失机制，以提高微小目标的检测精度。此外，对锚框筛选过程进行优化，显著提升相邻遮挡目标的检测准确率。

          实验结果表明，本文提出的模型能在保证检测精度的同时，有效实现了网络轻量化，并提升了检测速度以及检测准确率，显著改善了在实际场景中对交通标志等微小目标的检测识别的模型性能。