基于改进的轻量级YOLOv3的交通信号灯检测与识别

作者：邵叶秦; 周昆阳; 郑泽斌; 向阳; 唐宇亮; 施佺

来源：南通大学学报(自然科学版), 2021, 20(03): 34-40.

• 交通信号灯
• 检测
• 识别
• YOLOv3
• 轻量级

交通信号灯的准确检测与识别可以提高驾驶的安全性,减少交通事故的发生。为了提高移动端识别的准确率和速度,提出一种改进的轻量级YOLOv3模型实现交通信号灯的检测与识别。首先,采用轻量级的ShuffleNetv2网络替换YOLOv3的主干网络DarkNet53,实现交通信号灯的快速检测与识别;接着,融合ShuffleNetv2网络中的低、中、高层特征组成最终的高层输出特征,以丰富交通信号灯的特征表示;最后,基于多尺度的检测和结果融合,完成交通信号灯的准确检测与识别。实验证明,本文提出的轻量级YOLOv3模型应用于交通信号灯公开数据集LaRa时,平均精度均值达到87.21%,漏检率仅为6.24%。与其他轻量级YOLOv3模型相比,本文的模型也有着更高的平均精度均值和更低的漏检率,并且模型大小仅为YOLOv3的1/8,检测速度却是YOLOv3的3倍。

• 单位
  土木工程学院; 南通大学