改进FCOS算法正样本选择的交通标志检测

作者：崔港涛; 马社祥

来源：计算机工程与设计, 2023, 44(10): 3153-3159.

DOI：10.16208/j.issn1000-7024.2023.10.036

• 交通标志检测
• FCOS
• 深度学习
• 正标签
• 回归位置
• 卷积神经网络
• 噪声

针对交通标志独特的形状特点，提出一种改进的anchor-free卷积神经网络检测算法FCOS (fully convolutional one-stage object detection)。由于原算法在训练过程中直接将真实框内的位置点标记为正，会产生大量标签噪声，在FCOS网络结构的基础上融合交通标志的形状特征，减少没有辩证能力的噪声标签，设计新的正样本选择策略。实验结果表明，改进后FCOS算法在处理后的TT100K数据集上的检测mAP (mean average precision)在不增加计算量的情况下提升到83.2%，检测性能高于FCOS。

• 单位
  电子工程学院; 天津理工大学