基于改进YOLO v4光线模糊场景下交通标志检测

摘要：

近些年,自动驾驶开始进入人们的视线.对于自动驾驶而言,模糊光线场景下的交通标志检测是其中极其重要的一部分.目前YOLO v4算法广泛用于目标检测,虽然它的检测精度相比于其他YOLO版本有着较大的提高,但是还没有达到预期的精度.为了进一步提高检测交通标志的精度,本文在原有YOLO v4的基础上作一定的改进并与MSRCR图像增强处理相结合.首先将作为训练的图片通过MSRCR算法达到图像增强的目的,并将其作为目标检测的训练集图像.使用Darknet-53的YOLO v4网络,通过labelImg标注BelgiumTS交通信号数据集,使用改进的K-means++聚类算法确定先验框和具体参数并且改进路径聚合网络(PANet)结构和损失函数,将数据集进行训练.实验结果表明,改进后的算法与原本的YOLO v4算法相比较,平均精度提高了1.86个百分点.

关键词：交通标志检测、MSRCR算法、YOLO v4算法、K-means++聚类算法、损失函数、PANet

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：27-32