基于改进YOLOv5的交通指示牌检测

随着深度学习的不断发展,汽车自动驾驶已成为一种趋势,自动驾驶的安全问题是最重要的。其中,能准确识别复杂环境下密集的交通指示牌是保障安全驾驶的一个重要环节,针对目前检测模型对交通指示牌召回率不够高的问题,在YOLOv5的基础上提出了YOLOv5-ACB。经过300次的迭代训练,实验结果表明YOLOv5-ACB模型的mAP为62.9%、mAP50为83.6%、召回率为76.6%,相比原始的YOLOv5模型的mAP为62.45%、mAP50为82.6%、召回率为74.6%,均有较好的提升,说明所提出的改进模型降低了交通指示牌的错检和漏检率。