基于改进的轻量级YOLOv3的交通信号灯检测与识别

• 作者: 邵叶秦 周昆阳 郑泽斌 向阳 唐宇亮 施佺
• 来源期刊: 南通大学学报（自然科学版）
• 关键词: 交通信号灯 检测 识别 YOLOv3 轻量级
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 智能科学与技术
• 页码范围: 34-40
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.12194/j.ntu.20201013001

摘要

交通信号灯的准确检测与识别可以提高驾驶的安全性,减少交通事故的发生.为了提高移动端识别的准确率和速度,提出一种改进的轻量级YOLOv3模型实现交通信号灯的检测与识别.首先,采用轻量级的ShuffleNetv2网络替换YOLOv3的主干网络DarkNet53,实现交通信号灯的快速检测与识别;接着,融合ShuffleNetv2网络中的低、中、高层特征组成最终的高层输出特征,以丰富交通信号灯的特征表示;最后,基于多尺度的检测和结果融合,完成交通信号灯的准确检测与识别.实验证明,本文提出的轻量级YOLOv3模型应用于交通信号灯公开数据集LaRa时,平均精度均值达到87.21％,漏检率仅为6.24％.与其他轻量级YOLOv3模型相比,本文的模型也有着更高的平均精度均值和更低的漏检率,并且模型大小仅为YOLOv3的1/8,检测速度却是YOLOv3的3倍.