-
题名一种增强前景的轻量级交通标志检测模型
- 1
-
-
作者
袁亚剑
毛力
-
机构
江南大学人工智能与计算机学院
江南大学先进技术研究院
江南大学江苏省模式识别与计算机智能工程实验室
-
出处
《计算机工程》
北大核心
2025年第3期54-63,共10页
-
基金
国家自然科学基金面上项目(62272202)。
-
文摘
交通标志检测在辅助驾驶中扮演着不可或缺的角色,为安全驾驶提供了至关重要的支持。在实际交通环境中,在黑夜或雨天产生的背景噪声会加大交通标志检测的难度。现有模型往往难以有效检出远处的小目标交通标志,此外,在设计交通标志检测模型时应当考虑到实际部署对模型体积的要求。为此,在YOLOv8的基础上提出一种增强前景的轻量级交通标志目标检测模型。首先,设计了1个轻量级的PC2f模块替换掉原本Backbone中的部分C2f模块,该模块降低了模型的参数量和计算量,在保留更多浅层信息的同时进一步丰富了梯度流信息,同时实现了模型轻量化和提升检测性能;其次,设计了前景增强模块(FEM)并将其引入Neck位置,该模块能够有效放大前景信息并减弱背景噪声;最后,增加了一层小目标检测层,用于在高分辨率的图像上提取浅层特征,加强模型对小目标交通标志的检测性能。实验结果表明,优化后的模型在数据集CCTSDB 2021和GTSDB上的mAP_(50)分别达到了82.5%和95.3%,相较于原模型分别提升了3.6和1百分点,并且模型权重大小减小了0.22×10^(6)。这些结果验证了所提模型在实际应用中的有效性。
-
关键词
交通标志检测
轻量化网络
前景增强模块
小目标检测
黑夜场景目标检测
-
Keywords
traffic sign detection
lightweight network
Foreground Enhancement Module(FEM)
small target detection
dark scene target detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名视觉显著区域和主动轮廓结合的图像分割算法
被引量：8
- 2
-
-
作者
何亚茹
葛洪伟
-
机构
江南大学江苏省模式识别与计算机智能工程实验室
江南大学人工智能与计算机学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2022年第5期1155-1168,共14页
-
基金
江苏省研究生创新计划项目(KYLX16_0781)
江苏高校优势学科建设工程资助项目。
-
文摘
传统区域主动轮廓模型在分割弱边缘图像时,演化曲线受背景干扰,易陷入局部极值导致演化速度缓慢;且由于局部项仅考虑空间信息,无法更好保留目标边界,影响分割精度。针对上述问题,首先利用改进的显著性检测方法,对待分割图像进行预处理操作,获取目标候选区域,自动设置初始化轮廓曲线,并将获取的目标先验信息与待分割图像中具有最大对比度的位图相结合,设计自适应符号函数,对优化LoG能量项进行加权,以线性方式融合到RSF模型中,增强模型自适应能力;其次设计新的局部灰度测度,与局部核函数相结合,改进局部能量项,提高模型在弱边缘处的敏感程度,准确定位目标边界。实验结果表明,该模型能够自动设置初始化轮廓,并有效保留目标边缘细节,视觉及定量实验结果证明了该模型优于目前一些主流的主动轮廓模型。
-
关键词
视觉显著性检测
自适应符号函数
局部灰度测度
主动轮廓模型
图像分割
-
Keywords
visual saliency detection
adaptive symbolic function
local gray measure
active contour model
image segmentation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
