计算机工程

作者：陈春辉, 马社祥

单位：天津理工大学 集成电路科学与工程学院, 天津 300384

关键词：交通标志检测,特征融合,自注意力算子,小目标,注意力机制

基金：国家自然科学基金（61371108，61601326）。

传统基于卷积神经网络的交通标志检测网络采用堆叠大量卷积核的方式进行下采样，限制了卷积神经网络的感受野建模，难以灵活地调整内部参数，从而丢失图像的细节信息，导致小目标与遮挡目标的检测精度与定位精度降低。提出基于YOLOv5采样优化的交通标志检测网络。以新型算子作为基础架构，采用自卷积方式灵活提取不同通道的特征，并构建跨阶段注意力机制模块，以增加各通道特征的重要性权值，从而提高小目标的检测能力。通过改进的通道聚合网络实现多尺度语义信息与细节特征的融合与增强，同时利用K-means聚类算法生成更适合交通标志的先验框，在非极大值抑制算法中引入距离交并比函数对预测框进行后处理，避免错误抑制复杂场景下被遮挡的目标，从而提高定位精度。在中国交通标志数据集上的实验结果表明，当交并比阈值为0.5时，该网络的平均精度均值为95.8%，与YOLOv5网络相比模型参数量减少了15.7%，在满足实时性的同时具有较优的小目标检测性能。

来源：2022年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第10期