基于多尺度特征融合的小目标交通标志检测
Small-Target Traffic Sign Detection Based on Multiscale Feature Fusion作者机构:华北理工大学电气工程学院河北唐山063210 天津城建大学控制与机械工程学院天津300384
出 版 物:《激光与光电子学进展》 (Laser & Optoelectronics Progress)
年 卷 期:2024年第61卷第12期
页 面:362-370页
核心收录:
学科分类:1305[艺术学-设计学(可授艺术学、工学学位)] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程]
基 金:国家自然科学基金(61203343) 河北省自然科学基金(F2018209289)
主 题:机器视觉 小目标 交通标志检测 多尺度特征融合 损失函数
摘 要:针对现有目标检测算法对小尺寸或特征不明显的交通标志检测效果较差的问题,提出一种基于多尺度特征融合的小目标交通标志检测算法。首先,设计一种双向自适应特征金字塔网络,充分利用细节特征和跳跃连接,增强多尺度特征融合;其次,针对小目标的尺度特点提出双头检测结构,聚焦小目标特征信息,同时减少模型的参数量;再次,使用Wise-IoU v3边界框损失函数,结合动态非单调聚焦机制,利用锚框梯度增益分配策略,减小低质量示例产生的有害梯度;最后,在特征提取网络中融入坐标卷积(CoordConv),提升网络对坐标信息的关注程度,从而增强模型的空间感知能力。在Tsinghua-Tencent 100K数据集上的实验结果表明,改进后的模型的平均精度均值(mAP)为87.7%,较YOLOv5s提升了2.2百分点,且参数量仅为6.3×10^(7),达到了参数量更少、精度更高的检测效果。