首页|结合颜色分量特征和改进YOLO算法的中国交通标识牌检测

结合颜色分量特征和改进YOLO算法的中国交通标识牌检测

扫码查看
原文链接
  • 万方数据
为了提高利用YOLO算法在自然环境下中国交通标识牌检测的准确性,提出了结合颜色分量特征和改进YO⁃LO深度学习算法.该算法根据中国交通标志图像的颜色特征,获得中国交通标志牌的RGBN空间下的颜色分量特征图;之后,通过在YOLO算法的每个残渣网络中嵌入卷积层的注意力模块(CBAM)改进YOLO算法,进而提升YOLO算法的准确度;最后,利用改进的YOLO算法训练正负样本的RGBN颜色特征图,实现对自然环境下的中国交通标志牌的快速准确检测.实验结果表明:由于论文提出的方法可以去除了图像中大量干扰因素,使得算法在自然环境下检测精度上得到了提升.
Chinese Traffic Sign Detection Based on Color Component Characteristics and Improved YOLO Algorithm

徐超、秦宇强

展开 >

太原科技大学计算机科学与技术学院 太原 030024

交通标识牌 目标检测 颜色分量 YOLO算法 注意力模块

2022

10.3969/j.issn.1672-9722.2022.08.017

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(8)
  • 2
  • 2
  • 4