基于改进RT-DETR的极端天气下交通标志检测方法

来源：电子测量技术杂志2025年第9期北京时间：

作者：秦伦明，张云起，崔昊杨，边后琴，王悉

单位：1.上海电力大学电子与信息工程学院 上海 201306;2.北京交通大学自动化与智能学院 北京 100044

摘要：针对雨、雾和雪等极端天气下交通标志模糊不清，导致检测精度下降和小目标识别困难等问题，本文提出了一种基于改进RT-DETR的交通标志检测算法。首先，采用数据增强方法模拟极端天气环境，以提高模型在这些环境下对交通标志的识别能力。其次，在主干网络中引入Ortho注意力机制，利用正交滤波器减少特征冗余，筛选重要通道信息，提高对小目标的检测精度。此外，采用高层筛选特征金字塔网络(HS-FPN)替换原模型中的跨尺度上下文特征混合器(CCFM)，通过高层特征筛选并融合低层特征信息，提升模型在极端天气下对低对比度和模糊目标的检测精度。实验结果显示，改进算法在平均检测精度方面达到87.84%，相比原始RT-DETR模型提高了2.37%，同时参数量减少至18.22 M，相比原模型降低了8.4%，对小目标和处于极端天气中的目标识别精度更高，对保障乘客的安全具有实际意义。

关键词：RT-DETR;正交通道注意力机制;高层筛选特征金字塔网络;交通标志识别;图像增强

基金资助：国家自然科学基金面上项目(62073024)资助