基于多尺度ＹＯＬＯｖ５ 的交通标志检测

打开文本图片集

摘 要：针对小目标交通标志检测存在的检测精度低、漏检率高等问题，提出了一种基于多尺度融合的ＹＯＬＯｖ５ 改进算法。在主干网络后输出４ 个有效特征层以便更好地融合多尺度信息，在主干网络输出的３ 个特征层中添加改进的多尺度融合注意力机制ＣＢＡＭ＿Ｕ，以提升网络的检测能力；在Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔｗｏｒｋ （ＰＡＮｅｔ） 下采样过程中添加Ｆｕｓｉｏｎ 模块，促进不同感受野下特征的细融合；在ＹＯＬＯＨａｎｄ 前加入Ａｄａｐｔｉｖｅｌｙ Ｓｐａｔｉａｌ Ｆｅａｔｕｒｅ Ｆｕｓｉｏｎ （ＡＳＦＦ） 模块解决特征金字塔融合的不一致性，进一步提升网络的表达能力。（剩余2679字）