基于加权密集连接卷积网络的快速交通标志检测

摘要：

为提高算法对交通标志快速定位的准确性,改善现有检测算法在复杂交通环境下检测效果不佳、实时性较差的问题,提出一种基于动态加权密集连接卷积网络的交通标志快速检测算法.选用YOLOv2作为基础网络,通过增加动态加权密集块对各层特征图的权重进行调节,实现深层高语义信息和浅层低语义信息的融合;使用MobileNet轻量化网络结构,通过可分离卷积操作有效降低网络的计算成本;针对池化操作中图像特征丢失严重问题引入CBAM模块,利用通道注意力和空间注意力信息增强关键特征的表达能力.实验结果表明,本文算法在GTSDB数据集上分别达到了96.14％的检测精度和139 frame/s的检测速度,在保证较高检测精度的同时,能够有效提高检测效率,满足实时检测要求.

关键词：智能交通、交通标志检测、密集连接网络、深度学习、Mobile Net

所属期刊栏目：20

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/;National Key Research and Development Program of China;重庆市科技人才培养计划/;Chongqing Science and Technology Talent Training Program

在线出版日期：2020-05-11（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：48-54