北京联合大学北京市信息服务工程重点实验室 2. 北京联合大学机器人学院 3. 北京联合大学应用科技学院
纸质出版:2022
移动端阅览
梁天骄, 鲍泓, 潘卫国, 等. 基于改进单级特征图方法的交通标志检测[J]. 传感器与微系统, 2022,(2):123-127+131.
基于改进单级特征图方法的交通标志检测[J]. 2022, (2): 123-127+131.
梁天骄, 鲍泓, 潘卫国, 等. 基于改进单级特征图方法的交通标志检测[J]. 传感器与微系统, 2022,(2):123-127+131. DOI: 10.13873/J.1000-9787(2022)02-0123-05.
基于改进单级特征图方法的交通标志检测[J]. 2022, (2): 123-127+131. DOI: 10.13873/J.1000-9787(2022)02-0123-05.
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。
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。
基于改进Cascade R-CNN的交通标志牌识别 [J]. 徐国整,周越,董斌,廖晨聪. 传感器与微系统 . 2021(05)
基于改进SSD的航拍城市道路车辆检测方法 [J]. 宋世奇,李旭,祝雪芬,杨峰,武文翀,吴琳琦. 传感器与微系统 . 2021(01)
基于YOLO v3的交通标志牌检测识别 [J]. 潘卫国,刘博,陈英昊,石洪丽. 传感器与微系统 . 2019(11)
Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression [J] . Zhaohui Zheng,Ping Wang,Wei Liu,Jinze Li,Rongguang Ye,Dongwei Ren. Proceedings of the AAAI Conference on Artificial Intelligence . 2020 (07)
Squeeze-and-Excitation Networks [J] . Hu Jie,Shen Li,Albanie Samuel,Sun Gang,Wu Enhua. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2019 (8)
Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression. [J] . Seyed Hamid Rezatofighi,Nathan Tsoi,JunYoung Gwak,Amir Sadeghian,Ian D. Reid 0001,Silvio Savarese. CoRR . 2019
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. [J] . Ren Shaoqing,He Kaiming,Girshick Ross,Sun Jian. IEEE transactions on pattern analysis and machine intelligence . 2017 (6)
ImageNet classification with deep convolutional neural networks [J] . Alex Krizhevsky,Ilya Sutskever,Geoffrey E. Hinton. Communications of the ACM . 2017 (6)
0
浏览量
498
下载量
2
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621