摘要： 為了進一步提高在背景復(fù)雜且目標距離遠的情況下交通標志識別算法的識別準確率，在YOLOv5s算法的基礎(chǔ)上提出了一種改進的交通標志識別算法MAFM-YOLO。首先，在頸部網(wǎng)絡(luò)設(shè)計了基于空洞混合注意力機制的多尺度注意力特征融合模塊，使網(wǎng)絡(luò)在特征融合階段能夠高效保留圖像中的細節(jié)信息，對小目標更加的敏感。其次，在回歸階段采用歸一化Wasserstein距離改進原有的損失函數(shù)，提高了邊界框... （共8頁）