检索结果-南通市图书馆

面向交通标志的Ghost-YOLOv8检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2023年第20期59卷 200-207页

作者：熊恩杰张荣芬刘宇红彭靖翔贵州大学大数据与信息工程学院贵阳550025

针对当前传统网络模型对交通标志识别精度低、检测不准确的问题,提出一种基于YOLOv8n优化、改进的Ghost-YOLOv8交通标志检测模型。使用GhostConv代替部分Conv,设计全新的C2fGhost模块代替部分C2f,减少了模型的参数量,提升了模型的检测性... 详细信息

针对当前传统网络模型对交通标志识别精度低、检测不准确的问题,提出一种基于YOLOv8n优化、改进的Ghost-YOLOv8交通标志检测模型。使用GhostConv代替部分Conv,设计全新的C2fGhost模块代替部分C2f,减少了模型的参数量,提升了模型的检测性能;在Neck部分添加GAM注意力机制模块,强化特征中的语义信息和位置信息,提高了模型的特征融合能力;针对检测小目标时尺度不一导致语义信息的丢失,添加小目标检测层,增强深层语义信息与浅层语义信息的结合;使用GIoU边界损失函数代替原损失函数,提升了网络的边界框回归性能。实验结果表明,改进的模型在中国交通标志检测数据集TT100K中的精确度(Precision)及平均精度均值(mAP)相较于原模型分别提高了9.5、6.5个百分点,模型的参数量及模型大小相比原模型分别降低了0.223×109、0.2 MB。综合说明,该模型在减少模型参数量及大小的同时提高了检测精度,显著优于对比算法,也满足边缘计算设备的要求,具有实际的应用价值。

关键词： YOLOv8 交通标志 GhostNet 全局注意机制(GAM) 小目标检测层 GIoU

在线全文

学校读者我要写书评

暂无评论

改进YOLOv5的交通标志检测算法

计算机工程与应用 2023年第10期59卷 262-269页

作者：杨国亮杨浩余帅英王吉祥聂子玲江西理工大学电气工程与自动化学院江西赣州341000

交通标志检测在自动驾驶、辅助驾驶等智能交通系统已得到广泛应用,其检测性能关乎到行车安全。针对现有目标检测算法对图像中尺寸小、分辨率低和特征不明显的交通标志检测效果较差的问题,提出了一种基于改进YOLOv5s的交通标志检测算法... 详细信息

交通标志检测在自动驾驶、辅助驾驶等智能交通系统已得到广泛应用,其检测性能关乎到行车安全。针对现有目标检测算法对图像中尺寸小、分辨率低和特征不明显的交通标志检测效果较差的问题,提出了一种基于改进YOLOv5s的交通标志检测算法。将原算法中80×80小感受野目标检测层改为感受野更小的160×160检测层,提高网络模型对交通标志小目标的检测能力,降低小目标的漏检率;构建了注意力上下文模块(attention context module,ACM),对各分支获取不同的感受野,得到目标及其相邻区域的特征信息,并且使用注意力机制,让网络更关注于图像中的交通标志,避免受其他复杂信息的影响;加入特征融合模块(feature fusion module,FFM),过滤不同层上的无用信息,只保留对模型检测交通标志有用的信息;加入隐性知识,对检测层进行输出细化。实验结果表明,改进后的算法在CCTSDB交通标志检测数据集上召回率和平均精度达到94.7%、97.6%,相比原模型均有提升,在中远距离小目标检测下效果改善明显,同时检测速度为47.3 FPS,满足实时性要求。

关键词：智能交通交通标志注意力上下文感受野扩增特征融合目标检测

一种基于改进YOLOv5s-Ghost网络的交通标志识别方法

在线全文

学校读者我要写书评

暂无评论

光电子．激光 2023年第1期34卷 52-61页

作者：徐正军张强许亮天津理工大学电气工程与自动化学院天津市复杂系统控制理论与应用重点实验室天津300384 北京航天动力研究所北京100076

针对目前自动驾驶过程中对交通标志的识别检测速度慢的问题,提出一种改进的YOLOv5s-Ghost网络模型对交通标志进行识别的方法,在3×3运算核Ghost Net模型框架下,通过两个连续的Ghost模块构建的Ghost Bottleneck模块,并代替C3模块中全部的... 详细信息

针对目前自动驾驶过程中对交通标志的识别检测速度慢的问题,提出一种改进的YOLOv5s-Ghost网络模型对交通标志进行识别的方法,在3×3运算核Ghost Net模型框架下,通过两个连续的Ghost模块构建的Ghost Bottleneck模块,并代替C3模块中全部的Bottleneck模块,与跨阶段局部网络(cross-stage position network, CSPNet)模块结合生成Ghost Bottleneck CSP模块。通过调整每个模块中加入Ghost Bottleneck模块的数量,对比实验数据得到最佳网络模型。分别用原网络和新网络对TT100K数据集进行训练,对比实验数据表明,YOLOv5s-Ghost模型的检测精度达95.1%,检测速度达到了52.6 FPS,模型大小压缩了69.3%,在保证原检测精度的情况下提高了网络的检测速度。

关键词： YOLOv5 自动驾驶交通标志 Ghost Net Ghost Bottleneck CSP

在线全文

学校读者我要写书评

暂无评论

孪生神经网络交通标志编码识别算法

计算机工程与应用 2023年第11期59卷 105-111页

作者：吕秉略奚峥皓邵宇超上海工程技术大学电子电气工程学院上海201620

交通标志识别技术正在被逐步应用到汽车辅助驾驶领域。但是,遮挡、污损、天气环境变化等因素会严重影响交通标志识别的准确性和稳定性。针对该问题,提出了一种基于孪生神经网络的交通标志编码识别模型。该模型将交通标志的识别问题视为... 详细信息

交通标志识别技术正在被逐步应用到汽车辅助驾驶领域。但是,遮挡、污损、天气环境变化等因素会严重影响交通标志识别的准确性和稳定性。针对该问题,提出了一种基于孪生神经网络的交通标志编码识别模型。该模型将交通标志的识别问题视为交通标志的卷积特征编码识别问题。通过卷积神经网络对交通标志训练样本和基准样本进行特征提取与编码。再利用孪生神经网络进行编码对比,结合对比损失函数对编码器训练调整。通过全连接层对输入通路的标志卷积编码进行重新组合与分类,从而实现交通标识的识别。实验结果表明,所提的基于改进孪生神经网络的编码器模型对存在运动模糊与遮挡的标志图像能生成有效、鲁棒的特征编码,相较于其他先进算法,具有更高的识别准确率。

关键词：机器视觉交通标志对比学习孪生神经网络特征相似性度量

基于残差单发多框检测器模型的交通标志检测与识别

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2019年第5期53卷 940-949页

作者：张淑芳朱彤天津大学电气自动化与信息工程学院天津300072

针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测,且对复杂交通场景图像检测效果不佳的问题,以抗退化性能较强的ResNet101为基础网络,增加若干卷积层构建残差单发多框检测器(SSD)模型,对高分辨率的交通图像进行多尺度... 详细信息

针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测,且对复杂交通场景图像检测效果不佳的问题,以抗退化性能较强的ResNet101为基础网络,增加若干卷积层构建残差单发多框检测器(SSD)模型,对高分辨率的交通图像进行多尺度分块检测。为了加快检测速度,采取由粗到精的策略,省略对纯背景图像块的预测.利用中等尺度图像块的初检结果缩小目标范围;对目标范围内的其他图像块进行检测;将所有图像块结果映射回原图像,并结合非极大值抑制实现精准识别。实验结果表明,该模型在公开的交通标志数据集Tsinghua-Tencent 100K上取得了94%的总体准确率和95%的总体召回率,对多分辨率图像中不同大小和形态的交通标志都具有良好的检测能力,鲁棒性较强。

关键词：交通标志残差单发多框检测器(SSD)模型多尺度分块检测由粗到精

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv3的交通标志检测

四川大学学报（自然科学版） 2022年第1期59卷 51-61页

作者：王卜何扬四川大学计算机学院成都610065 四川大学视觉合成图形图像技术重点学科实验室成都610065

针对交通标志检测小目标数量多、定位困难及检测精度低等问题,本文提出一种基于改进YOLOv3的交通标志检测算法.首先,在网络结构中引入空间金字塔池化模块对3个尺度的预测特征图进行分块池化操作,提取出相同维度的输出,解决多尺度预测中... 详细信息

针对交通标志检测小目标数量多、定位困难及检测精度低等问题,本文提出一种基于改进YOLOv3的交通标志检测算法.首先,在网络结构中引入空间金字塔池化模块对3个尺度的预测特征图进行分块池化操作,提取出相同维度的输出,解决多尺度预测中可能出现的信息丢失和尺度不统一问题;然后,加入FI模块对3个尺度特征图进行信息融合,将浅层大特征图中包含的小目标信息添加到深层小特征图中,从而提高小目标检测精度.针对交通标志数据集特点,使用基于GIoU改进的TIoU作为边界框损失函数替换MSE函数,使得边界框回归更加准确;最后,通过k-means++算法对TT100K交通标志数据集进行聚类分析,重新生成尺寸更小的候选框.实验结果表明,本文算法与原始YOLOv3算法相比mAP提升11.1%,且检测每张图片耗时仅增加6.6 ms,仍符合实时检测要求.与其他先进算法相比,本文算法具有更好的检测精度和检测速度.

关键词：小目标检测交通标志 YOLOv3 信息融合 TIoU

基于Faster-YOLOv8网络模型的车载交通标志检测算法研究

在线全文

学校读者我要写书评

暂无评论

重庆交通大学学报(自然科学版) 2024年

作者：高良鹏赵博文简文良福建理工大学交通运输学院

交通标志检测是自动驾驶、智能交通系统以及道路安全监控等的关键任务之一。针对交通标志检测存在小目标数量多、精度低、传统模型体积大、不宜部署等问题，基于YOLOv8n网络模型提出了一种新的交通标志检测算法—Faster-YOLOv8。该模型... 详细信息

交通标志检测是自动驾驶、智能交通系统以及道路安全监控等的关键任务之一。针对交通标志检测存在小目标数量多、精度低、传统模型体积大、不宜部署等问题，基于YOLOv8n网络模型提出了一种新的交通标志检测算法—Faster-YOLOv8。该模型在Neck部分采用C2f-Faster模块(C2f和FasterNet的高效融合)来优化YOLOv8n网络结构，降低模型参数量及模型大小；引入EMA注意力机制，并应用于模型主干网络，实现了更好的多尺度感知和空间感知，增强了模型的特征提取能力；通过添加小目标检测层，有效地结合了不同尺度特征信息，保留更多的细节信息，从而提高了对小目标的检测能力；采用SioU作为边界损失函数提高检测精度。研究结果表明：改进的Faster-YOLOv8在中国交通标志检测数据集TT100K中的检测精度(Precision)、召回率(Recall)、平均精度均值(mAP@0.5)分别达到了79.8%、69.3%、77.8%，相比YOLOv8n模型提升了1.1%、2.8%、2.9%，参数量及模型大小减少了23.59%、19.16%，在检测准确性和模型轻量化方面都取得了显著改进，与现有方法相比，具有更强的实际应用价值。

关键词：交通工程 YOLOv8 交通标志 FasterNet EMA SIoU

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

交通标志对制动操作认知模型的影响

北京工业大学学报 2014年第3期40卷 368-373页

作者：关伟赵晓华黄丽华刘小明北京工业大学建筑工程学院北京100124

为了揭示交通标志诱发驾驶员弯道前制动操作的过程,根据认知学原理建立了驾驶员认知模型,并采用模拟驾驶的实验方法,分析了在不同条件下驾驶员第1刹车点位置与交通标志的关系.实验结果表明:当交通标志设置远离弯道入口时,制动操作直接... 详细信息

为了揭示交通标志诱发驾驶员弯道前制动操作的过程,根据认知学原理建立了驾驶员认知模型,并采用模拟驾驶的实验方法,分析了在不同条件下驾驶员第1刹车点位置与交通标志的关系.实验结果表明:当交通标志设置远离弯道入口时,制动操作直接受到交通标志影响;当设置位置距弯道入口较近时,交通标志对制动操作的作用将被弯道轮廓线所代替.另外,结果显示该过程还受到驾驶员内在记忆系统及外部环境的影响.实验结果验证了模型的有效性及相关影响规律,并且结合认知模型可以得到交通标志诱发驾驶员制动操作源于交通信息对于制动决策需求的满足.

关键词：交通标志认知模型驾驶行为驾驶安全

基于空间通道注意力机制与多尺度融合的交通标志识别研究

在线全文

学校读者我要写书评

暂无评论

南京邮电大学学报（自然科学版） 2022年第2期42卷 93-102页

作者：黄志强李军重庆交通大学机电与车辆工程学院重庆400074

通过YOLOV3深度神经网络算法可以实现道路交通标志的自动检测与识别,由于YOLOV3运算量较大,很难在小型嵌入式平台上使用,针对这一问题,文中提出了改进型的轻量化YOLOV3-3ctiny神经网络模型。为了融合浅层特征图的空间信息与深层特征图... 详细信息

通过YOLOV3深度神经网络算法可以实现道路交通标志的自动检测与识别,由于YOLOV3运算量较大,很难在小型嵌入式平台上使用,针对这一问题,文中提出了改进型的轻量化YOLOV3-3ctiny神经网络模型。为了融合浅层特征图的空间信息与深层特征图的语义信息,将第19层卷积层通过上采样后与第7层卷积层相连接,多尺度融合后输入YOLO层形成新的特征金字塔,以此提高小目标的识别率。同时,为使网络更加关注交通标志的细节信息,在特征金字塔网络中增添能够增强前景信息降低背景信息的空间通道注意力机制。使用Kmeans聚类算法对数据集作聚类处理,获得一组先验框。在长沙理工大学交通标志数据集上进行测试,实验结果表明,改进后算法的识别率达到91.8%,与YOLOV3-tiny算法相比提高了24.9个百分点,而与YOLOV3算法相比,每张图片的检测时间降低至0.133s,降低了49.6%,该算法具有较强的实时性和准确性。

关键词：交通标志轻量化网络 YOLOV3-3ctiny 多尺度融合特征金字塔空间通道注意力机制