一种改进YOLOv4的交通标志识别算法

摘要：

针对现存交通标志识别模型参数量过大、检测速度慢和检测精度较低的问题,本文提出一种改进YOLOv4-tiny的交通标志识别算法.该算法将深度可分离卷积应用到YOLOv4-tiny的特征提取网络中,显著降低了主干网络的参数量和计算量.在特征融合阶段,将特征提取网络得到的不同层次特征图输入双向特征金字塔网络结构(BiFPN)中进行多尺度特征融合.最后,在损失函数设计过程中,使用Focal损失函数代替二分交叉熵损失函数,使检测过程中的正负样本数量不均衡问题得以解决.在TT100K数据集上的测试结果表明,该算法的平均精度均值达到87.5％,相比于YOLOv4-tiny提升了3.9％,模型大小为14MB,仅为YOLOv4-tiny的58％.该算法一定程度上减少了计算量和模型大小,并带来了检测速度和精度的提升.

关键词：交通标志识别、YOLOv4-tiny、深度可分离卷积、双向特征金字塔

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省自然科学基金项目

在线出版日期：2022-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1471-1476