自动驾驶场景下小且密集的交通标志检测

• 作者: 葛园园 许有疆 赵帅 韩亚洪
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 交通标志 目标检测 深度学习 组合特征 卷积神经网络 特征图 候选框 自动驾驶
• 年，卷（期）: 2018,（3）
• 页码范围: 366-372
• 页数: 7页
• 分类号: TP183
• 字数: 4886字
• 语种: 中文
• DOI: 10.11992/tis.201706040

摘要

在自动驾驶场景中,交通标志的检测和识别对行车周围环境的理解至关重要.行车过程中拍摄的图片中存在许多较小的交通标志,它们很难被现有的物体检测方法检测到.为了能够精确地检测到这部分小的交通标志,我们提出了用浅层VGG16网络作为物体检测框架R-FCN的主体网络,并改进VGG16网络,主要有两个改进点:1)减小特征图缩放倍数,去掉VGG16网络卷积conv4_3后面的特征图,使用RPN网络在浅层卷积conv4_3上提取候选框;2)特征拼层,将尺度相同的卷积conv4_1、conv4_2、conv4_3层的特征拼接起来形成组合特征(aggregated feature).改进后的物体检测框架能够检测到更多的小物体,在驭势科技提供的交通标志数据集上取得了很好的性能,检测的准确率mAP达到了65％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵帅	中国汽车技术研究中心数据资源中心	7	13	1.0	3.0
2	葛园园	天津大学计算机科学与技术学院	1	12	1.0	1.0
3	许有疆	天津大学计算机科学与技术学院	1	12	1.0	1.0
4	韩亚洪	天津大学计算机科学与技术学院	4	39	3.0	4.0