-
题名基于改进YOLOv3的实时交通标志检测算法
被引量：11
- 1
-
-
作者
张达为
刘绪崇
周维
陈柱辉
余瑶
-
机构
湘潭大学计算机学院·网络空间安全学院
湖南警察学院湖南公安科学技术研究院
湘潭大学公共管理学院
-
出处
《计算机应用》
CSCD
北大核心
2022年第7期2219-2226,共8页
-
基金
湖南省自然科学基金资助项目(2018JJ2107)
湖南省科技重大专项(2017SK1040)
湖南省高新技术产业科技创新引领计划项目(2020GK2029)。
-
文摘
针对目前我国智能驾驶辅助系统识别道路交通标志检测速度慢、识别精度低等问题,提出一种基于YOLOv3的改进的道路交通标志检测算法。首先,将MobileNetv2作为基础特征提取网络引入YOLOv3以形成目标检测网络模块MN-YOLOv3,在MN-YOLOv3主干网络中引入两条Down-up连接进行特征融合,从而减少检测算法的模型参数,提高了检测模块的运行速度,增强了多尺度特征图之间的信息融合;然后,根据交通标志目标形状的特点,使用K-Means++算法产生先验框的初始聚类中心,并在边界框回归中引入距离交并比(DIOU)损失函数来将DIOU与非极大值抑制(NMS)结合;最后,将感兴趣区域(ROI)与上下文信息通过ROIAlign统一尺寸后融合,从而增强目标特征表达。实验结果表明,所提算法性能更好,在长沙理工大学中国交通标志检测(CCTSDB)数据集上的平均准确率均值(mAP)可达96.20%。相较于FasterR-CNN、YOLOv3、CascadedR-CNN检测算法,所提算法拥有具有更好的实时性和更高的检测精度,对各种环境变化具有更好的鲁棒性。
-
关键词
目标检测
特征融合
YOLOv3
距离交并比
MobileNetv2
K-Means++
-
Keywords
object detection
feature fusion
You Only Look Once version 3(YOLOv3)
DIOU(Distance Intersection Over Union)
MobileNetv2
K-Means++
-
分类号
TP391.
[自动化与计算机技术—计算机应用技术]
-
