计算机工程与应用 ›› 2023, Vol. 59 ›› Issue (17): 169-177.DOI: 10.3778/j.issn.1002-8331.2206-0258
冷坤,秦伦明,王悉
LENG Kun, QIN Lunming, WANG Xi
摘要: 交通标志识别是智能交通系统的核心技术。针对实际情况下,交通标志总体目标小且呈现多尺度分布、图像背景复杂,造成识别精度低的问题,提出了一种基于改进YOLOv4模型的交通标志识别算法CA-ASFF-YOLOv4。算法去除用于检测大目标的深度特征层,引入高分辨率特征层,并在各个特征层后添加注意力机制CA模块,有效加强了主干网络对小目标的特征提取。在颈部网络使用自适应特征融合ASFF代替原有的路径聚合网络PAnet,通过优化特征融合解决目标尺度多变的问题。减少残差块的堆叠,抑制背景重复叠加,提高复杂背景下的检测精度。实验结果表明,CA-ASFF-YOLOv4在TT100K 交通标志数据集上的mAP@0.5达到了91.47%,比YOLOv4提升了9个百分点,显著提高了实际应用场合中交通标志的检测精度。