山东大学学报(工学版)

作者：薛健,赵琳,张浩,杨璐,郝凡昌

单位：山东建筑大学计算机科学与技术学院, 山东 济南 250101

关键词：交通标志检测,Faster R-CNN,图像增强,特征金字塔网络,CBAM-EfficientNet,

基金：山东省自然科学基金面上资助项目(ZR2022MF272);山东省高等学校青年创新团队资助项目(2022KJ205);山东省重点研发计划资助项目(2019GGX101068)

针对目前交通标志检测方法受光照影响较大,模型精度低等问题,提出一种更快基于区域卷积神经网络(faster region-based convolutional neural network, Faster R-CNN)的交通标志检测算法。针对图像中天空与非天空区域的光照不均匀现象,引入伽马变换增强交通标志在模型中的特征表达能力;利用基于卷积注意力模块的高效网络(convolutional block attention module-based an efficient network, CBAM-EfficientNet)解决网络深度退化问题,提高浅层网络的特征获取能力,降低参数量;在网络中引入特征金字塔网络以检测不同尺寸目标,增强网络对不同尺寸交通标志的感知能力,解决交通标志尺寸差异问题。试验结果表明,该算法在GTSDB数据集上的平均准确率均值PmA达到99.79%,在CCTSDB2021数据集上的PmA达到87.62%。为光照不均匀图像的交通标志检测提供一种高准确性的方法。

来源：2024年第5期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2024年第5期