典型文献
一种轻量型YOLOv5交通标志识别方法
文献摘要：
针对为提高交通标志识别精度使得神经网络层数过深从而导致实时性不佳的问题,提出了一种轻量型YOLOv5交通标志识别方法.首先采用遗传学习算法和K-means聚类确定适合交通标志识别的锚框,然后引入Stem模块和ShufflenetV2的基础单元网络来替换YOLOv5的主干网络.相比于YOLOv5模型,在中国交通标志检测数据集上,轻量型YOLOv5模型在保持识别精度为95.9％的同时,参数量减少了95.4％,实际内存空间减少了93.9％,在GPU和CPU上运行的速度分别提升了79.7％和75％,极大地提高了交通标志识别的实时性,更适合无人驾驶环境感知系统的部署.
文献关键词：
无人驾驶车;环境感知;交通标志识别;遗传学习;K-means聚类
中图分类号：
作者姓名：
李志刚;张娜
作者机构：
华北理工大学 人工智能学院,河北 唐山063210
文献出处：
引用格式：
[1]李志刚;张娜-.一种轻量型YOLOv5交通标志识别方法)[J].电讯技术,2022(09):1201-1206
A类：
ShufflenetV2
B类：
轻量型,YOLOv5,交通标志识别,识别精度,网络层,层数,遗传学习算法,means,锚框,Stem,基础单元,元网络,主干网络,国交,交通标志检测,检测数据集,参数量,内存空间,GPU,CPU,极大地提高,驾驶环境感知,环境感知系统,无人驾驶车
AB值：
0.322348
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
