基于YOLO轻量化网络的交通标志检测算法

Traffic Sign Detection Algorithm Based on YOLO Lightweight Network

汤科元 ¹刘川莉 ²蔡乐才 ²成奎 ²张宇杰 ¹高祥³

扫码查看

作者信息

1. 四川轻化工大学自动化与信息工程学院,四川宜宾 644002;宜宾学院三江人工智能与机器人研究院,四川宜宾 644000
2. 宜宾学院三江人工智能与机器人研究院,四川宜宾 644000
3. 四川轻化工大学自动化与信息工程学院,四川宜宾 644002
折叠

摘要

近年来无人驾驶系统日益成为学者和企业研究的热门领域,而交通标志检测在无人驾驶中扮演着非常重要的角色,它将为无人驾驶系统提供决策支持,但现有的检测算法无法做到精准、快速地检测.为此,提出了Deep-Yolov4-tiny检测算法,它以Yolo轻量化网络Yolov4-tiny为基础,将多个卷积层添加到原网络中,改进CSP Block的网络结构;添加多个1×1卷积层,以降低网络的运算量;增大输入图像的尺度,以提升其对小目标的检测能力;使用K-means聚类算法优化anchor box的尺寸;对第二个Yolo层进行改进,使其充分利用经过K-means聚类后的anchor值,以更加全面地覆盖数据集中实际目标的大小,进一步提升了模型的检测准确率.实验结果表明,相较于Yolov4-tiny算法,Deep-Yolov4-tiny算法在中国交通标志数据集CCTSDB上,各个类别的平均精确度(mAP)提高了33.16％,且检测速度也能够满足实时性需求,更加有利于应用在嵌入式设备和移动设备等设备当中,对于提高行车安全和推动无人驾驶技术的发展有着一定的现实意义.

关键词

交通标志检测/Deep-Yolov4-tiny/K-means/检测精确度

引用本文复制引用

基金项目

四川省科技厅重点研发项目(2019YFN0104)

宜宾市科技局项目(2016ZGY021)

出版年

2021

四川轻化工大学学报(自然科学版)

ISSN：

被引量2

参考文献量3

段落导航