计算机研究与发展

作者：李旭东,张建明,谢志鹏,王进,

关键词：交通标志检测, YOLO检测算法, 嵌套残差网络, 多尺度预测, 长沙理工大学, 长沙理工大学中国交通标志检测数据集,

智能驾驶对交通标志自动检测的实时性及鲁棒性有着极高要求.目标检测中YOLOv3-tiny检测算法是轻量网络，实时性好、但准确率不高.将YOLOv3-tiny检测算法作为基础网络，提出了一种三尺度嵌套残差结构的交通标志快速检测算法.首先，在基础网络上采用逐像素相加的跨层连接，并未增加特征图的通道数，同时网络中形成1个小残差结构.其次，通过同样的跨层连接方式，增加了1层空间分辨率更高的预测输出，使得该尺度输出包含更丰富的空间信息，进而构成大残差结构.最终，将2个残差结构进行嵌套，形成了1个三尺度预测的嵌套残差网络模型，使得Tiny检测算法的部分主网络位于这2个残差结构中，起到3次调参的作用.实验结果表明：提出的算法能够快速鲁棒地检测真实场景中的交通标志.在德国交通标志检测数据集(Germantrafficsigndetectionbenchmark,GTSDB)上交通标志总F\-1值为91.77%、检测时间为5ms；在长沙理工大学中国交通标志检测数据集(CSUSTChinesetrafficsigndetectionbenchmark,CCTSDB)上指示、禁令、警告三大类交通标志F\-1值分别为92.41%，93.91%，92.03%，检测时间为5ms.

来源：2020年第5期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2020年第5期