自适应特征融合的轻量级交通标志检测方法

作者：梁秀满; 邵彭娟; 刘振东; 赵恒斌

来源：电子测量技术, 2022, 45(23): 107-112.

DOI：10.19651/j.cnki.emt.2209953

• 轻量级网络
• 注意力机制
• 聚类算法
• 自适应特征融合

针对目前交通标志检测方法中网络计算量大、检测效果差的问题，提出一种嵌入坐标注意力机制的轻量级交通标志检测方法。首先在MobileNetv2的残差块中嵌入坐标注意力机制CA(channel attention)模块以保留通道注意力中的坐标信息；其次利用改进的MobileNetv2对YOLOv4主干网络做轻量化处理，并且在PANet中采用深度可分离卷积块降低计算量；然后使用ASFF自适应特征融合改进PANet结构来均衡不同特征层的不一致性，最后在特征融合模块加入注意力以增加目标信息的权重；并由K-means++算法产生新的先验框聚类中心。实验表明，权重文件由136 M降至54.5 M削减了60%,网络体积削减了80%,精度达到96.84%,与YOLOv4网络相比仅损失了0.46%的精度。

• 单位
  华北理工大学