基于注意力机制和特征融合的交通标志检测
韩姗
朱立忠
沈阳理工大学自动化与电气工程学院 辽宁沈阳 110159
摘要：针对复杂背景信息下不易察觉或相对尺寸较小的交通标志目标,提出一种改进Faster R-CNN的新检测算法.首先,用ResNet50 深度残差网络替代VGG16 作为基本网络模型,同时在基础网络中嵌入混合注意力机制,使网络专注强化关键位置的信息,抑制无效背景信息对网络的干预,从而加强网络对重要特征的提取;其次,提出改进特征金字塔网络结构进行多尺度融合上下文信息的方法,利用特征层之间的关联性减少低像素小目标的信息损失.改进后的算法在CCTSDB数据集上的实验取得了 95.6%的平均检测精度,较原Faster R-CNN网络的检测精度提高了5.1%,鲁棒性增强.
关键词：交通标志检测Faster R-CNN残差网络注意力机制特征金字塔
资助基金：国家重点研发计划(2017YFC0821001-2)
论文发表日期：2024-09-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 5-8 )