融合注意力机制的轻量化道路交通标志检测方法

作者：张建恒; 杨智宇^*; 夏利红; 梁志威

来源：电子测量技术, 2023, 1-8.

• 深度学习
• 环境感知
• 深度可分离卷积
• 注意力机制

深度学习在自动驾驶环境感知领域发展逐渐成熟，但在城市道路上存在遮挡、重叠、残缺、小目标等情况下的多目标交通标志检测研究仍是目前关注重点。针对道路上的交通标志检测问题提出改进的YOLOv3目标检测方法：首先在YOLOv3的主干网络中引入深度可分离卷积层，优化卷积神经网络中的计算参数以减少计算量；其次在主干网络中的残差模块后引入CBAM空间通道注意力机制，增强网络对弱小特征信息的提取能力，提高对小目标交通标志的检测精度；最后改进原网络中的IOU交并比函数，引入CIOU交并比函数，减少候选框筛选不准的问题，提高目标检测准确率。实验基于CSTSDB开源交通标志数据集和部分自建数据集进行，实验结果表明，改进后的YOLOv3网络相比原YOLOv3检测算法对道路多目标交通标志的准确率提高了7%，并且对重叠、遮挡、小目标等交通标志漏检率更低，速度更快，有一定实际意义。

• 单位
  重庆工商大学