重庆理工大学学报（自然科学） ›› 2023, Vol. 37 ›› Issue (11): 20-31.
查超能，罗素云，何 佳
摘要： 旨在解决特殊环境下的交通标志检测识别问题，并提出一种基于改进 ＹＯＬＯｖ５的 雨天环境下的交通标志检测识别算法，即 ＹＯＬＯｖ５ｓｔｒａｆｆｉｃ。在预处理阶段，引入基于对抗生成 网络的去雨算法和基于多尺度残留块的图像增强算法，以保证雨天环境下模型的可靠性；在网 络改进方面，引入 Ｔｒａｎｓｆｏｒｍｅｒ模块、加入 ＣＡ注意力机制和 ＡＳＦＦ特征融合机制，以及改进检测 框损失函数提升网络性能；在数据集处理方面，对原始数据集进行大规模处理和重构，加入大中 小 ３种不同程度的雨天驾驶环境，构建并划分了 ３类雨天环境交通标志数据集。在 ＴＴ１００Ｋ交 通标志数据集上进行的实验表明，与现有方法相比，本研究提出的算法可以通过不同的模块搭 配分别针对 ２种不同环境（雨天和原环境）实现显著的性能改进。在原环境下，本算法的 ｍＡＰ 达到了 ９０．４％，ＦＰＳ为 ５０．４帧／ｓ；在大雨环境下，ｍＡＰ为 ７５．３％，相比原网络提升了 １２．５％，且 ＦＰＳ达到 ４９．４帧／ｓ，满足实时检测条件。因此，该算法能取得准确性与实时性的平衡，可以有 效解决雨天环境下的交通标志识别问题。
中图分类号:
主管单位：重庆市教育委员会