-
题名基于双向嵌套级联残差的交通标志检测方法
- 1
-
-
作者
江金懋
钟国韵
-
机构
东华理工大学信息工程学院
-
出处
《现代电子技术》
北大核心
2024年第5期176-181,共6页
-
文摘
交通标志检测是自动驾驶领域的一个重要课题,其对于检测系统的实时性和精度都有非常高的要求。目标检测领域中的YOLOv3算法是业界公认在精度和速度上都处于前列的一种算法。文中以YOLOv3检测算法作为基础网络,提出一种双向嵌套级联残差单元(bid⁃NCR),替换掉原网络中顺序堆叠的标准残差块。双向嵌套级联残差单元的两条残差边采用相同的结构,都是一次卷积操作加上一次级联残差处理,两条边上级联的标准残差块的数量可以调节,从而形成不同的深度差。然后将两条边的结果逐像素相加,最后再做一次卷积操作。相较于标准残差块,双向嵌套级联残差单元拥有更强的特征提取能力和特征融合能力。文中还提出跨区域压缩模块(CRC),它是对2倍率下采样卷积操作的替代,旨在融合跨区域的通道数据,进一步加强主干网络输入特征图所包含的信息。实验结果表明:提出的模型在CCTSDB数据集上mAP(0.5)、mAP(0.5∶0.95)分别达到96.86%、68.66%,FPS达到66.09帧。相比于YOLOv3算法,3个指标分别提升1.23%、10.35%、127.90%。
-
关键词
交通标志检测
双向嵌套级联残差单元
跨区域压缩模块
YOLOv3
长沙理工大学中国交通标志检测数据集
特征提取
特征融合
-
Keywords
traffic sign detection
bid⁃NCR unit
CRC module
YOLOv3
CSUST Chinese traffic sign detection benchmark(CCTSDB)
feature extraction
feature fusion
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名复杂环境下的交通标志检测与识别方法综述
被引量：37
- 2
-
-
作者
陈飞
刘云鹏
李思远
-
机构
浙江万里学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第16期65-73,共9页
-
基金
国家自然科学基金(61906170)
教育部人文社科项目青年基金项目(17YJCZH076)
+5 种基金
浙江省自然科学基金(LY17F020001)
浙江省教育厅一般项目(Y201840695)
浙江省科技计划项目(LGF19F020008,LGF18F020001)
宁波市科技计划项目(2019C50008)
宁波市自然科学基金(2018A610156,2018A610164,202003N4324)
浙江省科技计划项目(LGF21F020022)。
-
文摘
交通标志检测与识别是无人驾驶三大模块中环境感知的研究热点之一,检测和识别交通标志可以向无人车传递道路交通信息,优化行车决策。在暴雨、大雾以及光线昏暗等复杂环境下,拍摄到的图像往往会被遮挡,变得模糊。这不仅影响图像的质量,还会对后期标志的检测与识别带来巨大的困难。简述了交通标志检测与识别方法,对近年来国内外学者解决各类复杂环境下交通标志检测与识别的方法、原理和步骤进行了总结归纳,有利于人们更好地解决此类问题。同时,对常用的交通标志数据集进行了总结,并对数据集里在复杂环境下拍摄的图像比例给予了说明。
-
关键词
交通标志检测与识别
复杂环境
交通标志数据集
-
Keywords
traffic sign detection and recognition
complex environment
traffic sign data set
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于三尺度嵌套残差结构的交通标志快速检测算法
被引量：27
- 3
-
-
作者
李旭东
张建明
谢志鹏
王进
-
机构
长沙理工大学计算机与通信工程学院
综合交通运输大数据智能处理湖南省重点实验室(长沙理工大学)
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2020年第5期1022-1036,共15页
-
基金
国家自然科学基金项目(61972056,61811530332)
湖南省自然科学基金项目(2019JJ50666)
+2 种基金
长沙理工大学“双一流”科学研究国际合作拓展项目(2019IC34)
湖南省研究生培养创新基地项目(2019-248-51)
湖南省研究生科研创新项目(CX20190695)。
-
文摘
智能驾驶对交通标志自动检测的实时性及鲁棒性有着极高要求.目标检测中YOLOv3-tiny检测算法是轻量网络,实时性好、但准确率不高.将YOLOv3-tiny检测算法作为基础网络,提出了一种三尺度嵌套残差结构的交通标志快速检测算法.首先,在基础网络上采用逐像素相加的跨层连接,并未增加特征图的通道数,同时网络中形成1个小残差结构.其次,通过同样的跨层连接方式,增加了1层空间分辨率更高的预测输出,使得该尺度输出包含更丰富的空间信息,进而构成大残差结构.最终,将2个残差结构进行嵌套,形成了1个三尺度预测的嵌套残差网络模型,使得Tiny检测算法的部分主网络位于这2个残差结构中,起到3次调参的作用.实验结果表明:提出的算法能够快速鲁棒地检测真实场景中的交通标志.在德国交通标志检测数据集(German traffic sign detection benchmark, GTSDB)上交通标志总F1值为91.77%、检测时间为5 ms;在长沙理工大学中国交通标志检测数据集(CSUST Chinese traffic sign detection benchmark, CCTSDB)上指示、禁令、警告三大类交通标志F1值分别为92.41%,93.91%,92.03%,检测时间为5 ms.
-
关键词
交通标志检测
YOLO检测算法
嵌套残差网络
多尺度预测
长沙理工大学
长沙理工大学中国交通标志检测数据集
-
Keywords
traffic sign detection
you only look once(YOLO)detection algorithm
nested residual network
multi-scale prediction
Changsha University of Science and Technology(CSUST)
CSUST Chinese traffic sign detection benchmark(CCTSDB)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Trafficnet的交通标志识别分析
- 4
-
-
作者
甘晓楠
邓超
-
机构
广东科技学院
-
出处
《南方农机》
2018年第2期131-132,共2页
-
文摘
交通标志识别是无人驾驶技术中的重要组成部分。随着深度学习近些年在全世界范围的快速发展以及无人驾驶技术中对识别效率越来越高的要求。文章提出一种基于改进googlenet网络,以德国交通标志数据集(GTSRB)为测试数据、caffe框架为工具,通过对输入图像进行卷积和下采样操作,提取出交通标志特征,该方法最大的优势就是提升了计算资源的利用率。
-
关键词
交通标志识别
GoogleNet网络
德国交通标志数据集
Caffe
-
分类号
U491.52
[交通运输工程—交通运输规划与管理]
-
