来源：期刊VIP网 时间：
作者：傅融;逯洋;彭淼;
单位：吉林师范大学数学与计算机学院;
摘要：正确检测交通标志是智能驾驶和无人驾驶的关键性技术。针对交通标志目标小且精度低的问题，提出了一种基于改进YOLOv5s模型的算法。首先，采用加权双向特征金字塔结构进行跨尺度特征融合，很好地整合了语义信息与定位信息，提高了检测精度；其次，采用EIoU损失函数代替YOLOv5s的原始损失函数，加快收敛速度；最后，在BiFPN的基础上增加检测层，更好地帮助模型预测准确结果。改进后的YOLOv5s模型与基础模型在TT100K数据集上进行对比实验，识别的平均精度均值由73.6%提高到80.8%,在CCTSDB数据集上的识别平均精度均值由97.4%提高到97.8%,具有更好的识别性能。
关键词：YOLOv5;;交通标志识别;;BiFPN;;损失函数;;检测层
基金资助：吉林省创新创业人才基金(2023QN31);; 吉林省自然科学基金(YDZJ202301ZYTS157);; 吉林省发展和改革委员会创新项目(2021C038-7)
