基于CA-ASFF-YOLOv4的交通标志识别研究

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.

关键词：交通标志识别、YOLOv4、注意力机制、自适应特征融合

所属期刊栏目：59

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金62073024

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：169-177