计算机工程

作者：栾孟娜, 郑秋梅, 王风华

单位：中国石油大学(华东)计算机科学与技术学院，山东 青岛 266580

关键词：交通标志检测,多尺度特征融合,注意力机制,膨胀卷积,小目标检测

基金：国家自然科学基金(52074341); 国家自然科学基金(51874340); 中央高校基本科研业务费专项资金(19CX02030A)

在交通标志检测中，由于外界环境的干扰以及驾驶场景中交通标志目标较小的特点，导致提升交通标志检测性能一直是一项具有挑战性的任务。提出一种新的交通标志检测算法，其能够在保证实时检测的情况下显著提高模型的检测精度。首先设计一种新的多尺度特征提取网络，引入大尺度特征来增加小目标定位信息，同时设计多尺度特征注意增强模块进一步获得目标的上下文信息。其次，为了降低模型的计算量和复杂度，对原始模型的多尺度检测头进行改进，选取2个大尺度检测头对小目标进行检测。最后，对完全交并比(CIoU)损失函数进行改进，增强算法对小目标的感知能力，同时提高网络的训练效率。将改进后的模型在2个开源的公共数据集上进行实验。实验结果表明，该算法在TT100K和CCTSDB 2021交通标志数据集上对交通标志小目标的检测精度均有提高，在2个数据集的测试集上均值平均精度(mAP)分别达到84.8%和83.6%，较基准模型分别提升了3.0和3.6百分点，具有更高的检测性能和特征提取能力，且满足实时检测的需求。

来源：2025年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第7期