多尺度上下文融合的交通标志识别算法研究

• 作者: 蔡军 邱会然 谭静 杨平安
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 深度学习 交通标志检测 上下文融合 多尺度预测
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 信号与信息处理|Signal and Information Processing
• 页码范围: 114-120
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2022.01.017

摘要

针对自然场景中小型交通标志检测漏检和虚警问题,提出了一种多尺度上下文融合的交通标志检测算法.以YOLOv3为检测框架,将特征金字塔网络的深层特征信息融合进更浅层特征层,提高更浅层特征层中高级前景语义信息的利用率;在YOLOv3框架基础上加入上下文模块,重新分配交通标志特征图中的上下文信息权重,加强目标特征信息的复用;使用融合预测目标置信度的网络损失函数来进行端到端的训练.在中国交通标志数据集TT100K上试验75类小型交通标志获得了56.93％的平均精度均值,相比于YOLOv3算法,所提算法精度提高了9.19％,验证了所提算法的有效性,表明了在小目标和多目标的环境下所提算法检测效果提升明显.