文献类型：期刊文章

作　　者：张上[1,2] 王恒涛[1,2] 冉秀康[3]

Zhang Shang;Wang Hengtao;Ran Xiukang(Hubei Province Engineering Technology Research Center for Construction Quality Testing Equipment,China Three Gorges University,Yichang 443002,China;College of Computer and Information,China Three Gorges University,Yichang 443002,China;College of Electrical and New Energy,China Three Gorges University,Yichang 443002,China)

机构地区：[1]三峡大学湖北省建筑质量检测装备工程技术研究中心,宜昌443002 [2]三峡大学计算机与信息学院,宜昌443002 [3]三峡大学电气与新能源学院,宜昌443002

出　　处：《电子测量技术》

年　　份：2022

卷　　号：45

期　　号：8

起止页码：129-135

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对目前交通标志检测算法存在网络复杂度高、计算量大、边缘端部署难度高。提出一种基于YOLOv5的轻量化交通标志目标检测算法。通过增加注意力机制,使用CBAM和CA融合的方式,强化检测模型抗干扰能力;通过FPGM剪枝,对模型进行了压缩,降低计算量、提高推理速度;通过软硬件融合设计,实现YOLOv5s模型与硬件融合,形成一整套完整的移动智能交通标志目标检测系统;结果表明,增加多种注意力机制后,模型精度提高了2.8%。在极限剪枝的情况下,模型仅有0.54 MB。在Jetson Nano(20 W)的环境下,检测速度达21帧/s,满足实时的交通标志检测。

关 键 词：目标检测 注意力机制  模型剪枝  软硬件融合  YOLOv5  FPGM  

分 类 号：TP391.4]