计算机工程

作者：蓝章礼, 邢彩卓, 张洪

单位：1. 重庆交通大学信息科学与工程学院, 重庆 4000742. 重庆交通大学省部共建山区桥梁及隧道工程国家重点实验室, 重庆 400074

关键词：交通标志检测,遮挡条件,MobileNetv2模型,动态权重上采样模块,归一化高斯Wassertein距离

基金：国家自然科学基金(52278291); 重庆交通大学研究生科研创新项目(2024s0105)

智能驾驶中道路交通标志的检测与识别极其重要, 针对交通标志被遮挡时存在目标小、检测精度低的问题, 提出一种基于改进YOLOv5s的被遮挡交通标志检测算法。通过自制中国遮挡交通标志数据集(COTSD), 解决交通标志在被遮挡情况下数据集缺乏的问题, 并根据细粒度物体检测需要模型提取丰富判别特征, 提出一种基于MobileNetv2改进的主干网络。针对交通标志较小、被遮挡且分辨率较低, 普通线性插值方式无法捕捉更高阶、更细节特征的问题, 设计一种改进的动态权重上采样模块(DEUM), 整合经过通道注意力加权之后的通道信息进行像素重排, 生成高分辨率图像; 针对综合交并比(CIoU)等损失函数对小目标位置变化敏感的问题, 使用归一化高斯Wassertein距离(NWD)来优化边界框回归损失。实验结果表明, 该算法在自制被遮挡COTSD上的准确率为93.60%, 召回率为72.50%, F1值为81.71%, mAP@0.5为79%;在包含少量被遮挡交通标志的公开CCTSDB上的准确率为92.2%, 召回率为78.8%, F1值为85%, mAP@0.5为88.5%。该算法有效提高了被遮挡后交通标志的检测精度。

来源：2025年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第5期