基于多尺度特征提取与特征融合的交通标志检测

摘要：

基于卷积神经网络的交通标志检测算法在对现实中复杂的交通场景图像进行交通标志检测时,难以同时解决定位和分类两项任务,并且目标检测领域相关算法所使用的公开数据集提供的图像和交通标志的种类不能满足现实交通场景中复杂的情况.建立一个新的道路交通标志数据集,在YOLOv4算法的基础上针对现实交通场景图像的复杂性和图像中交通标志尺寸差异较大的特点,设计多尺寸特征提取模块和增强特征融合模块,提高算法同时定位和分类交通标志的能力.在此基础上,对算法中不同的模块设置不同的参数进行对照实验,得到一组表现最优的参数,用于检测现实交通场景图片中的交通标志.在道路交通标志数据集上的实验结果表明,该算法相比基于卷积神经网络的同类型任务目标检测算法具有更高的检测精度,平均精度均值达到83.63％.

关键词：交通标志检测、自动驾驶、卷积神经网络、目标检测、深度学习

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划;中央高校基本科研业务费专项;安徽省重点研发计划项目;合肥工业大学智能制造技术研究院智能网联及新能源汽车专项

在线出版日期：2022-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：270-278,287