基于深度学习的道路交通标志多目标实时检测

摘要：

针对已有道路交通标志检测方法速度慢、受环境影响大、检测效果差等问题,本文提出一种基于Faster-RCNN的道路交通标志多目标实时检测方法.首先,对Faster-RCNN目标检测原理进行深入分析;然后,优化Faster-RCNN网络结构,并选择出合适的预训练模型和网络超参数;最后,在德国交通标志检测数据集(German traffic sign detection dataset,GTSD)上设计多组对比试验,证明了该方法的有效性,单张图片检测时间为0.4 s,准确率达71％以上.在瑞典交通标志检测数据集(Sweden traffic sign detection dataset,STSD)上进行迁移测试,展现了良好的泛化能力,为智能汽车的应用提供了理论依据和技术支持.

关键词：交通标志、智能驾驶、深度学习、Faster-RCNN、多目标检测

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61603107,61863007;桂林电子科技大学研究生创新项目2018YJCX77

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：96-106