基于YOLO模型和迁移学习的道路标志检测
计算机视觉与模式识别
2024-06-17 v1 计算机与社会
摘要
道路标志检测与识别是高级驾驶辅助系统 (ADAS) 中的关键要素。YOLOv5 和 YOLOv8 等人工智能方法被广泛应用。本文使用改进的 YOLOv5 和 YOLOv8 模型在不同照明条件下检测和分类各种道路标志。实验结果表明，YOLOv8 模型在测试集上得到的 MAP50 分数在 94.6% 到 97.1% 之间随着 epoch 数和 batch size 的变化保持一致。YOLOv5 模型表现出竞争力，其 MAP50 分数在 92.4% 到 96.9% 之间。这表明两种模型在不同训练设置下都能表现良好，YOLOv8 通常略高于 YOLOv5。这些发现为寻求可靠且可适应的对象检测应用提供了宝贵的见解。
引用
@article{arxiv.2406.09437,
title = {Advancing Roadway Sign Detection with YOLO Models and Transfer Learning},
author = {Selvia Nafaa and Hafsa Essam and Karim Ashour and Doaa Emad and Rana Mohamed and Mohammed Elhenawy and Huthaifa I. Ashqar and Abdallah A. Hassan and Taqwa I. Alhadidi},
journal= {arXiv preprint arXiv:2406.09437},
year = {2024}
}