基于改进YOLOv5s-CBAM-ASFF算法的交通标志识别研究

打开文本图片集

关键词：深度学习 交通标志识别注意力机制多尺度特征融合YOLOv5s中图分类号：U463.6；TP391.41 文献标志码：A DOI： 10.20104/j.cnki.1674-6546.20240263

【Abstract】To achieve more efficient detection of smalltraffic sign targetsundercomplex urban stret background conditions，this paperproposesanimprovedYOLOv5salgorithm.Thisenhancementisachievedbyicorporatinga Convolution Block Attention Module （CBAM） Spatial Channel Attention Mechanism，an Adaptive Spatial Feature Fusion （ASFF） module， andanimproved loss function fordetection boxes.Thevalidationresultsonthe T1OoKtrafic signdatasetdemonstrate that the proposed algorithm achieves a mean Average Precision （mAP） of 84.5% in traffic sign recognition.

Keywords：Deep learning，Traffic signrecognition，Attention mechanism，Multi-scale feature fusion，O5s

【引用格式】付蓉萍，付建胜，梁旺阳.基于改进YOLOv5s-CBAM-ASFF算法的交通标志识别研究[J].汽车工程师，2025（8）： 22-28.FURP，FUJS，LIANGWY.Research on Traffic SignRecognition Based on the ImprovedYOLOv5s-CBAM-ASFFAlgorithm[J].Automotive Engineer，2025（8）：22-28.

1前言

在城市街道场景中，交通标志的识别往往存在复杂的背景干扰和标志被部分遮挡等因素，严重影响检测速度和准确性。（剩余10950字）