摘要
本发明提供了一种基于YOLOv5s的小目标交通标志识别方法，涉及智能交通技术领域。基于YOLOv5s网络，引入CAM上下文增强模块、GAM全局注意力模块和TSC解耦头，得到CGT‑YOLO网络模型；上下文增强模块和全局注意力机制，有效提升了复杂环境下小目标交通标志的识别精度和鲁棒性；通过引入精确的标志区域定位和分类机制，减少了误检和漏检现象，提高了检测的整体可靠性。CGT‑YOLO网络模型具备实时检测能力，可在嵌入式设备或车载平台上高效运行，具有通用性强、部署成本低的特点，能够广泛适用于城市道路、高速公路等多种复杂交通场景，满足智能驾驶系统对低延迟的需求，为智能驾驶和辅助驾驶技术的进一步发展提供了重要的技术支撑。
