期刊专题

10.3778/j.issn.1002-8331.2206-0258

基于CA-ASFF-YOLOv4的交通标志识别研究

引用
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.

交通标志识别、YOLOv4、注意力机制、自适应特征融合

59

TP391.41(计算技术、计算机技术)

国家自然科学基金62073024

2023-09-18(万方平台首次上网日期,不代表论文的发表时间)

共9页

169-177

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

59

2023,59(17)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn