典型文献
多尺度上下文融合的交通标志识别算法研究
文献摘要：
针对自然场景中小型交通标志检测漏检和虚警问题,提出了一种多尺度上下文融合的交通标志检测算法.以YOLOv3为检测框架,将特征金字塔网络的深层特征信息融合进更浅层特征层,提高更浅层特征层中高级前景语义信息的利用率;在YOLOv3框架基础上加入上下文模块,重新分配交通标志特征图中的上下文信息权重,加强目标特征信息的复用;使用融合预测目标置信度的网络损失函数来进行端到端的训练.在中国交通标志数据集TT100K上试验75类小型交通标志获得了56.93％的平均精度均值,相比于YOLOv3算法,所提算法精度提高了9.19％,验证了所提算法的有效性,表明了在小目标和多目标的环境下所提算法检测效果提升明显.
文献关键词：
深度学习;交通标志检测;上下文融合;多尺度预测
中图分类号：
作者姓名：
蔡军;邱会然;谭静;杨平安
作者机构：
重庆邮电大学 自动化学院, 重庆 400065
文献出处：
引用格式：
[1]蔡军;邱会然;谭静;杨平安-.多尺度上下文融合的交通标志识别算法研究)[J].无线电工程,2022(01):114-120
A类：
B类：
多尺度上下文,上下文融合,交通标志识别,识别算法,算法研究,自然场景,中小型,交通标志检测,测漏,漏检,检测算法,YOLOv3,检测框架,特征金字塔网络,深层特征,特征信息融合,高更,中高级,语义信息,框架基础,重新分配,特征图,上下文信息,信息权,目标特征,复用,融合预测,置信度,络损,损失函数,端到端,国交,TT100K,平均精度均值,小目标,检测效果,效果提升,多尺度预测
AB值：
0.436338
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。
