文献类型：期刊文献

中文题名：基于改进单级特征图方法的交通标志检测

英文题名：Traffic sign detection based on improved one-level feature image method

作者：梁天骄[1,2];鲍泓[1,2];潘卫国[1,2];潘峰[1,2];胡正坤[3]

第一作者：梁天骄

机构：[1]北京联合大学北京市信息服务工程重点实验室,北京100101;[2]北京联合大学机器人学院,北京100027;[3]北京联合大学应用科技学院,北京100012

第一机构：北京联合大学北京市信息服务工程重点实验室

年份：2022

卷号：41

期号：2

起止页码：123-127

中文期刊名：传感器与微系统

外文期刊名：Transducer and Microsystem Technologies

收录：CSTPCD;;北大核心:【北大核心2020】；CSCD:【CSCD_E2021_2022】；

基金：国家自然科学基金资助项目(61802019,61932012,61871039);北京市教育委员会科技计划资助项目(KM201911417003,KM201911417009,KM201911417001);北京联合大学研究生科研创新资助项目(YZ2020K001,YZ2021K001)。

语种：中文

中文关键词：目标检测;注意力机制;交通标志牌;单级特征图

外文关键词：object detection;attention mechanism;traffic sign;one-level feature image

摘要：基于深度学习的交通标志牌检测算法取得了突破性的进展,但在检测精度和速度方面仍得不到兼顾。针对此问题,本文在YOLOF算法的基础上提出了一种改进的算法,在YOLOF网络检测分支中融入注意力机制以增强网络对交通标志牌目标的表示,并利用CIoU改进损失函数;使用数据增广模拟自动驾驶过程中的复杂环境,增强检测模型的鲁棒性。对比实验结果表明:本文提出的改进方法具有更高的检测精度,能够达到检测精度和速度的平衡。
The deep learning based traffic sign detection algorithm has made breakthrough progress, but the precision and speed of target detection still cannot be balanced.To solve this problem, propose an improved algorithm on the basis of YOLOF algorithm.The algorithm fuses attention mechanism to strengthen representation of network on traffic sign in YOLOF network detection branch, and CIoU is used to improve the loss function.And uses data augment methods to simulate complex environment of automatic driving to enhance robustness of the detection model.The experimental results show that the proposed improved method has higher detection precision, and can achieve balance of detection precision and speed.