典型文献
面向交通标志检测的尺度感知双向特征金字塔网络
文献摘要：
实时精准的交通标志检测是实现自动驾驶和智能交通的重要技术之一.针对真实智能驾驶场景中背景复杂且交通标志尺度较小,现有的检测方法容易出现错检和漏检等问题,提出一种尺度感知的双向特征金字塔网络,实现复杂交通场景中实时、精准的交通标志检测.首先,为解决微小标志在传统金字塔网络中尺度丢失的问题,通过构建自底向上和自顶向下的双向金字塔网络,循环地学习尺度感知的融合特征;然后引入前景注意力模块和尺度感知损失函数,学习和优化不同尺度下的前景显著特征和关联,实现多尺度前景目标分离;最后,引入轻量级和非轻量级主干卷积网络,可以同时提高模型效率和精度.在真实复杂场景的交通标志数据集TT100K和STSD中的实验结果表明,该方法的检测精度达到了66.7％和60.9％,同时实时检测速率达到了30帧/s.
文献关键词：
交通标志检测;尺度感知;前景注意力;轻量级网络
中图分类号：
作者姓名：
彭济耀;刘子杨;冯传旭;方芳;罗忠文;刘袁缘;覃杰
作者机构：
中国地质大学(武汉)地理与信息工程学院 武汉 430074;华中数控股份有限公司红外事业部 武汉 430073
文献出处：
引用格式：
[1]彭济耀;刘子杨;冯传旭;方芳;罗忠文;刘袁缘;覃杰-.面向交通标志检测的尺度感知双向特征金字塔网络)[J].计算机辅助设计与图形学学报,2022(01):133-141
A类：
前景注意力,STSD
B类：
交通标志检测,尺度感知,双向特征金字塔网络,自动驾驶,智能交通,智能驾驶,驾驶场景,漏检,交通场景,志在,中尺度,底向上,自顶向下,地学,融合特征,注意力模块,感知损失函数,不同尺度,显著特征,卷积网络,复杂场景,TT100K,检测精度,实时检测,检测速率,轻量级网络
AB值：
0.276758
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
