自然场景下交通标志检测与识别
DOI:
CSTR:
作者:
作者单位:

西安工业大学电子信息工程学院 西安 710000

作者简介:

通讯作者:

中图分类号:

TP391

基金项目:

陕西省科技厅项目(2018GY-153)、陕西省西安市未央区科技局项目(201833)资助


Traffic sign detection and recognition in natural scene
Author:
Affiliation:

School of Electronic and Information Engineering, Xi 'an Polytechnic University, Xi 'an 710000, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    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96mAP,检测速度为26FPS,比YOLOv4算法分别提高了1.7%和1.4。

    Abstract:

    In view of a series of problems such as large error and slow detection speed of traffic signs under natural scenes in China.An improved YOLOV4 algorithm is proposed.Firstly, image enhancement, image denoising and other processing are added to the input end of the algorithm. Then, the detection layer of the algorithm is modified by deleting the 19*19 detection layer and adding the 152*152 detection layer.Finally, the K-meansⅡ clustering algorithm is used to carry out clustering analysis on the reconstructed traffic sign data set, and the initial candidate box of the network is redefined.The experimental results show that the improved algorithm can detect small traffic signs accurately and in real time in the natural scene.96mAP is obtained on the traffic sign data set based on the CCTSDB data set, and the detection speed is 26FPS, which is 1.7% and 1.4 higher than YOLOV4 algorithm respectively.

    参考文献
    相似文献
    引证文献
引用本文

陈红,王相超,陈志琳.自然场景下交通标志检测与识别[J].电子测量技术,2021,44(12):102-109

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-09-06
  • 出版日期:
文章二维码