基于注意力机制和特征融合的交通标志检测

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对复杂背景信息下不易察觉或相对尺寸较小的交通标志目标,提出一种改进Faster R-CNN的新检测算法.首先,用ResNet50 深度残差网络替代VGG16 作为基本网络模型,同时在基础网络中嵌入混合注意力机制,使网络专注强化关键位置的信息,抑制无效背景信息对网络的干预,从而加强网络对重要特征的提取;其次,提出改进特征金字塔网络结构进行多尺度融合上下文信息的方法,利用特征层之间的关联性减少低像素小目标的信息损失.改进后的算法在CCTSDB数据集上的实验取得了 95.6%的平均检测精度,较原Faster R-CNN网络的检测精度提高了5.1%,鲁棒性增强.

作者：

韩姗、朱立忠

展开 >

作者单位：

沈阳理工大学自动化与电气工程学院辽宁沈阳 110159

关键词：

交通标志检测 Faster R-CNN 残差网络注意力机制特征金字塔

基金：

国家重点研发计划

项目编号：

2017YFC0821001-2

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.09.001

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(9)