基于多尺度ＹＯＬＯｖ５ 的交通標志檢測

打開文本圖片集

摘 要：針對小目標交通標志檢測存在的檢測精度低、漏檢率高等問題，提出了一種基于多尺度融合的ＹＯＬＯｖ５ 改進算法。在主干網(wǎng)絡后輸出４ 個有效特征層以便更好地融合多尺度信息，在主干網(wǎng)絡輸出的３ 個特征層中添加改進的多尺度融合注意力機制ＣＢＡＭ＿Ｕ，以提升網(wǎng)絡的檢測能力；在Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔｗｏｒｋ （ＰＡＮｅｔ） 下采樣過程中添加Ｆｕｓｉｏｎ 模塊，促進不同感受野下特征的細融合；在ＹＯＬＯＨａｎｄ 前加入Ａｄａｐｔｉｖｅｌｙ Ｓｐａｔｉａｌ Ｆｅａｔｕｒｅ Ｆｕｓｉｏｎ （ＡＳＦＦ） 模塊解決特征金字塔融合的不一致性，進一步提升網(wǎng)絡的表達能力。（剩余2679字）