自然场景下的交通标志检测与识别

作者：陈红; 王相超; 陈志琳

来源：电子测量技术, 2021, 44(12): 102-109.

DOI：10.19651/j.cnki.emt.2106547

• 交通标志
• YOLOv4
• 深度学习
• 图像增强

针对我国自然场景下的交通标志检测误差大、检测速度慢等一系列问题,提出了一种对YOLOv4算法的改进的方法。首先在算法的输入端加入图像增强、图像降噪等处理,然后对算法的检测层进行修改,删除19×19检测层,增加152×152检测层。最后利用K-meansⅡ聚类算法对重建的交通标志数据集进行聚类分析,重新定义网络的初始候选框。实验结果表明,改进后的算法能够在自然场景下准确实时的检测到小交通标志。在以CCTSDB数据集为基础建立的交通标志数据集上取得了96 mAP,检测速度为26 FPS,比YOLOv4算法分别提高了1.7%和1.4。

• 单位
  电子信息工程学院; 西安工业大学