科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对复杂场景中交通标志尺度变化大导致识别精度低的问题，提出了一种改进的YOLOv4算法。首先，设计了一个注意力驱动的尺度感知特征提取模块，通过构建类似残差结构的分层连接方式，增加每层的感受野范围，以获得更具细粒度的多尺度特征，并在注意力驱动下生成一对具有方向感知与位置敏感的注意力图，使网络能聚焦于更具鉴别力的关键区域；然后，构建一个特征对齐的金字塔卷积特征融合模块，即通过卷积计算相邻尺度特征图间的特征偏移量进行特征对齐；最后，通过金字塔卷积的方式使网络自适应学习最优的特征融合模式，并构建特征金字塔用于识别不同尺度的交通标志。实验结果表明，在TT100K数据集上改进算法比原YOLOv4算法的识别精度提高了5.4%，且优于其他对比识别算法，FPS达到33.17，可满足道路交通标志识别的精确性、实时性等要求。
-
单位通信与信息工程学院; 西安邮电大学
