基于改进单级特征图方法的交通标志检测

来源 :传感器与微系统 | 被引量 : 0次 | 上传用户：ailynn

【摘要】

：

基于深度学习的交通标志牌检测算法取得了突破性的进展,但在检测精度和速度方面仍得不到兼顾.针对此问题,本文在YOLOF算法的基础上提出了一种改进的算法,在YOLOF网络检测分支中融入注意力机制以增强网络对交通标志牌目标的表示,并利用CIoU改进损失函数;使用数据增广模拟自动驾驶过程中的复杂环境,增强检测模型的鲁棒性.对比实验结果表明:本文提出的改进方法具有更高的检测精度,能够达到检测精度和速度的平衡.

【作者】

：

梁天骄鲍泓潘卫国潘峰胡正坤

【机构】

：

北京联合大学北京市信息服务工程重点实验室,北京100101;北京联合大学机器人学院,北京100027;北京联合大学应用科技学院,北京100012

【出处】

：

传感器与微系统

【发表日期】

：

2022年2期

【关键词】

：

目标检测注意力机制交通标志牌单级特征图

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

基于BERT与记忆网络的长文本方面级情感分析

目前在方面级情感分析(ABSA)方法中,利用上下文或方面短语的平均值来计算方面短语或上下文之间注意力得分的方法往往会产生较大的信息损失,导致模型在长文本分类上的性能降低.为此,研究了一种建立在BERT表示上的记忆网络模型,BDMN.首先,把句子构造成多[CLS]的Token嵌入形式,然后,从BERT输出中获取到各短句的初始化向量,将其作为记忆体与方面短语的[CLS]向量进行充分注意力交互,最后,拼接输出注意力层所有短句的方面短语表示作为最终的情感分类特征向量.在AI Chal-lenger 2018细粒度

期刊

方面级情感分析BERT记忆网络注意力机制

基于电场传感器阵列的无人机输电线跟踪与定位方法

输电线的跟踪与定位是无人机(UAV)实现自主巡检输电线的关键要素.针对目前输电线跟踪与定位方法存在易受天气和环境因素影响、成本较高以及数据处理困难等缺陷,提出了一种基于电场传感器阵列的输电线跟踪与定位方法,计算出当前UAV的航向角偏转角度、输电线与UAV的距离以及仰角,并设计了电场传感器及信号调理电路,进行了实验验证.实验结果表明:当传感器阵列沿着输电直导线移动时,依据此方法计算出的航向角偏转角度的最大绝对误差为5.74°,阵列与输电线距离最大绝对误差为20.4 cm,仰角的最大绝对误差为8.12°,误差

期刊

输电线跟踪与定位无人机电场传感器阵列

小尺度交通信号灯的检测与识别

针对深度模型在网络深层易丢失细节特征导致对小尺度目标检测效果差的问题,提出一种基于YOLOv3算法的小尺度交通信号灯检测模型.首先,采用跨越式特征融合提升浅层特征图的语义能力、减少过度融合产生的冗余信息;然后,采用K-means算法聚类出适合交通信号灯尺寸的新先验框,再采用线性缩放机制对新先验框离散以提升IoU.经过Bosch Small Traffic Lights Dataset测试集测试表明:所设计的新模型相较原YOLOv3模型,其mAP提升约9％,Green-AP提升5％,Red-AP提升30％,

期刊

小尺度交通信号灯YOLOv3算法特征融合倒计时数字灯OCR

基于改进单级特征图方法的交通标志检测

其他学术论文