基于深度学习的交通标志检测方法研究

• 作者: 吴鑫 刘沄沄
• 来源期刊: 无线互联科技
• 关键词: 目标检测 特征融合 CSPNet Focal loss FPN
• 年，卷（期）: 2021,（24）
• 所属期刊栏目: 实验研究
• 页码范围: 120-123
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6944.2021.24.055

摘要

为了实现对交通标志的精准识别和实时检测,文章提出用一种名为T-YOLOv3的深度模型来对道路交通标志进行实时检测.首先对交通标志进行精准数据增强,实现各种种类的交通标志的均衡分布.随后,使用三分支注意力(Triad attention)对CSPResNeXt网络进行改进,以CSPResNeXt为基础特征提取模块,优化梯度信息,提高检测速度;利用Focal loss来优化损失函数,提高交通标志定位的精度;最后,在测试集上对比YOLOv3,Faster R-CNN,SSD和Cascaded R-CNN四种模型的检测准确率、召回率及FPS,在GTSDB数据集上进行消融实验测试.实验结果表明,T-YOLOv3的平均检测精度达到95.2％,FPS达到62.7.