文章摘要:针对交通标志在某些场景中存在分辨率过低、被覆盖等环境因素影响导致在目标检测任务中出现漏检、误检的情况，提出了一种改进的注意力机制的交通标志检测算法。首先,针对交通标志因破损、光照等环境影响造成图像分辨率低从而导致网络提取图像特征信息有限的问题，在主干网络中添加注意力模块来增强目标区域的关键特征；其次，特征图中相邻通道间的局部特征由于感受野重叠存在一定的相关性，用大小为k的一维卷积代替通道注意力模块中的全连接层以达到聚合不同通道信息和减少额外参数量的作用；最后在PANet后的中、小尺度特征层引入感受野模块来增大特征图的感受野以融合目标区域的上下文信息，提升网络对交通标志的检测能力。通过在CCTSDB数据集上进行实验，结果表明，提出的YOLOv4改进算法可以在引进极少的参数量和与原算法检测速度相差不大的情况下检测精度提升了1.41个百分点，m AP达96.88%，与轻量级网络YOLOv5s相比，在单张检测速度慢10 ms的情况下，检测精度提升了3.40个百分点，检测速度达到40 FPS，完全满足目标检测实时性的要求。

文章关键词:

论文分类号:U463.6;TP391.41

文章来源：《计算机光盘软件与应用》 网址: http://www.jsjgprjyyy.cn/qikandaodu/2022/0124/1810.html

上一篇：金属学及金属工艺论文_基于遗传算法优化BP神经
下一篇：计算机软件及计算机应用论文_深度学习推荐模型