基于改进R⁃FCN的交通标志检测

摘要：

为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型.通过K-means聚类算法对数据集进行分析,选择合适的锚点框.对特征提取网络ResNet101进行结构简化,只使用前25层来提取特征,以缩短检测时间.在模型中引入可变形卷积和可变形位置敏感RoI池化层,以提高模型对交通标志的感应能力.模型训练过程中使用在线困难样本挖掘策略从而减少简单样本数量.在交通标志检测数据集GTSDB上的实验结果表明,该模型对交通标志位置信息较敏感,AP50和AP75指标分别达到97.8％和94.7％,检测时间缩至48 ms,检测精度与速度优于Faster R-CNN、R-FCN等模型.

关键词：交通标志;区域全卷积网络;ResNet101网络;可变形卷积;可变形位置敏感RoI池化

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：江西省重点研发计划项目20161BBE50089

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：285-290,298