典型文献
基于金字塔多尺度融合的交通标志检测算法
文献摘要：
为了解决传统交通标志检测算法针对小目标交通标志检测时存在误检与漏检的问题,提出了一个基于金字塔多尺度融合的交通标志检测算法;为了提高算法对交通标志的特征提取能力,引入ResNet残差结构搭建算法的主干网络,并增加网络浅层卷积层数,以提取较小尺度交通标志目标更准确的语义信息;基于特征金字塔结构的思想,在检测结构中引入4个不同预测尺度,增强深层和浅层特征融合;为了进一步提高算法检测精度,引入GIoU损失函数定位交通标志的锚点框,利用k-means算法对交通标志标签信息进行聚类分析并生成更精准的先验框;为了验证算法的泛化性与解决试验所用数据集TT100K的类间不平衡问题,增强与扩充了数据集.试验结果表明:本文算法的精确率、召回率与平均精度均值分别达到了86.7％、89.4％与87.9％,与传统目标检测算法相比有显著提高;多尺度融合检测机制、GIoU损失函数与k-means的引入能够不同程度提高算法的检测性能,使算法检测精确率分别提升4.7％、1.8％与1.2％;提出算法针对不同尺度交通标志检测时均有更优越的性能表现,在TT100K数据集中的(0,32]、(32,96]与(96,400]尺度下的检测召回率分别达到90％、93％与88％;与YOLOv3相比,提出算法在不同天气、噪声与几何变换等干扰下均能实现对交通标志的正确定位与分类,证明了提出算法具有良好的鲁棒性与泛化性,适用于道路交通标志检测.
文献关键词：
交通标志检测;交通标志识别;深度学习;残差结构;多尺度提取;特征金字塔
中图分类号：
作者姓名：
高涛;邢可;刘占文;陈婷;杨朝晨;李永会
作者机构：
长安大学 信息工程学院,陕西 西安 710064;中国移动通信集团陕西有限公司 西安分公司,陕西 西安 710075;悉尼大学 电子信息工程学院,新南威尔士 悉尼 NSW2006
文献出处：
引用格式：
[1]高涛;邢可;刘占文;陈婷;杨朝晨;李永会-.基于金字塔多尺度融合的交通标志检测算法)[J].交通运输工程学报,2022(03):210-224
A类：
B类：
多尺度融合,交通标志检测,小目标,漏检,特征提取能力,ResNet,残差结构,主干网络,卷积层,层数,小尺度,语义信息,特征金字塔结构,检测结构,浅层特征融合,检测精度,GIoU,损失函数,锚点框,means,标签信息,先验框,泛化性,TT100K,不平衡问题,精确率,召回率,平均精度均值,目标检测算法,检测机,检测性能,不同尺度,更优越,YOLOv3,不同天气,几何变换,道路交通,交通标志识别,多尺度提取
AB值：
0.312289
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。
