改进的YOLOv3交通标志识别算法

作者：林轶; 陈琳; 王国鹏; 盛余洋; 孙立超

来源：科学技术与工程, 2022, 22(27): 12030-12037.

DOI：10.3969/j.issn.1671-1815.2022.27.034

• 交通标志
• YOLOv3
• 批归一化层
• 空间金字塔池化
• CIoU

针对复杂场景下交通标志检测存在精度低、检测速度慢等问题，提出一种基于YOLOv3改进的S-YOLO(stronger-YOLO)交通标志算法。首先，合并批归一化层到卷积层，以提升模型前向推理速度；其次，采用二分K-means聚类算法，确定适合交通标志的先验框；然后引入空间金字塔池化模块，提取特征图深度特征；最后引入完整-交并比(complete-IoU,CIoU)回归损失函数，提升模型检测精度。实验结果表明，在重制的中国交通标志数据集(Chinese traffic sign dataset,CTSDB)下，所提算法与YOLOv3相比，平均准确率和检测速度分别提升了4.26%和15.19%,同时相较YOLOv4以及其他算法对交通标志识别有更优的精度和速度，具有良好的鲁棒性，满足复杂场景高效实时检测。

• 单位
  长江大学