自然场景下的交通标志检测与识别

• 作者: 陈红 王相超 陈志琳
• 来源期刊: 电子测量技术
• 关键词: 交通标志 YOLOv4 深度学习 图像增强
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 102-109
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2106547

摘要

针对我国自然场景下的交通标志检测误差大、检测速度慢等一系列问题,提出了一种对YOLOv4算法的改进的方法.首先在算法的输入端加入图像增强、图像降噪等处理,然后对算法的检测层进行修改,删除19×19检测层,增加152×152检测层.最后利用K-meansⅡ聚类算法对重建的交通标志数据集进行聚类分析,重新定义网络的初始候选框.实验结果表明,改进后的算法能够在自然场景下准确实时的检测到小交通标志.在以CCTSDB数据集为基础建立的交通标志数据集上取得了96 mAP,检测速度为26 FPS,比YOLOv4算法分别提高了1.7％和1.4.