结合颜色分量特征和改进YOLO算法的中国交通标识牌检测
徐超
秦宇强
太原科技大学计算机科学与技术学院 太原 030024
摘要：为了提高利用YOLO算法在自然环境下中国交通标识牌检测的准确性,提出了结合颜色分量特征和改进YO?LO深度学习算法.该算法根据中国交通标志图像的颜色特征,获得中国交通标志牌的RGBN空间下的颜色分量特征图;之后,通过在YOLO算法的每个残渣网络中嵌入卷积层的注意力模块(CBAM)改进YOLO算法,进而提升YOLO算法的准确度;最后,利用改进的YOLO算法训练正负样本的RGBN颜色特征图,实现对自然环境下的中国交通标志牌的快速准确检测.实验结果表明:由于论文提出的方法可以去除了图像中大量干扰因素,使得算法在自然环境下检测精度上得到了提升.
关键词：交通标识牌目标检测颜色分量YOLO算法注意力模块
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2022-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 1713-1715,1726 )
英文信息