基于改进SSD的交通标志检测算法

摘要：

针对当前的目标检测算法在交通标志检测中检测精度较低,且存在漏检和误检的问题,论文提出了一种基于SSD目标检测算法改进的交通标志检测方法.在原算法的基础上,首先对输入数据端进行select-cutmix数据增强来提高模型的泛化能力,并让模型收敛速度加快.其次,将卷积后的特征图通过一个RFB-Tiny模块做特征聚合,并对卷积各层级的特征图经过采样后做一个concat的操作,将浅层特征图和深层特征图的信息融合,提升浅层特征图的语义信息.同时,将边界框回归的损失函数设为CIoU Loss,提高目标定位的精度.将改进后的SSD检测算法在TTK100K的训练集上进行训练,随后在测试集上进行测试验证.最后的实验表明,论文提出的检测算法在TT10K交通标志测试集上的平均水平精确度达到了85.37%,较最初的SSD检测算法提升了18%,能够有效地解决交通标志识别中精度较低的问题,在目前已提出的检测算法中有较大的竞争力.为了方便读者理解具体实现细节,论文的实现代码已经开源到https://github.com/Simonhancrew/.

关键词：深度学习、目标检测、感受野、特征融合、智能交通

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1771-1775