基于改进YOLO v3模型的多类交通标识检测
张志佳1
范莹莹1
邵一鸣1
赵永茂2
1.沈阳工业大学人工智能学院,沈阳110870;沈阳市信息感知与边缘计算重点实验室,沈阳1108702.沈阳美行科技有限公司,沈阳 110169
摘要：为了提高城市真实交通场景中的交通标志、交通信号灯及停止线检测精度,提出一种基于YOLO v3的多类交通标识检测模型——T-YOLO.该模型在YOLO v3目标检测模型的基础上,采用了四种尺度特征进行检测,设计了更贴合待测交通标识的先验框,提升了模型对多类交通标识等小目标检测性能.采集13000张城市交通场景图像并进行标注,制作成多类交通标志数据集.实验结果表明,该模型在TT100K交通标志数据集、在LaRA交通信号灯数据集均取得较好结果.同时,在自制SUTDB数据集上交通标志、交通信号灯、停止线检测精度分别为0.90、0.99、0.80.文中提出的T-YOLO模型检测实现了多类交通标识,并且检测精度高,具有一定工程实用价值.
关键词：交通标识YOLO v3模型多尺度先验框特征融合多目标检测深度学习
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(61540069)
论文发表日期：2023-01-25
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：5( 66-70 )
英文信息