融合注意力机制的轻量化道路交通标志检测方法

来源：电子测量技术杂志2023年第21期北京时间：

作者：张建恒，杨智宇，夏利红，梁志威

单位：1.重庆工商大学机械工程学院 重庆 400067; 2.重庆清平机械有限责任公司 重庆 401120

摘要：深度学习在自动驾驶环境感知领域发展逐渐成熟，但在城市道路上存在遮挡、重叠、残缺、小目标等情况下的多目标交通标志检测研究仍是目前关注重点。针对道路上的交通标志检测问题提出改进的YOLOv3目标检测方法：首先在YOLOv3的主干网络中引入深度可分离卷积层，优化卷积神经网络中的计算参数以减少计算量；其次在主干网络中的残差模块后引入CBAM空间通道注意力机制，增强网络对弱小特征信息的提取能力，提高对小目标交通标志的检测精度；最后改进原网络中的IOU交并比函数，引入CIOU交并比函数，减少候选框筛选不准的问题，提高目标检测准确率。实验基于CSTSDB开源交通标志数据集和部分自建数据集进行，实验结果表明，改进后的YOLOv3网络相比原YOLOv3检测算法对道路多目标交通标志的准确率提高了7%，并且对重叠、遮挡、小目标等交通标志漏检率更低，速度更快，有一定实际意义。

关键词：深度学习;环境感知;深度可分离卷积;注意力机制

基金资助：重庆市自然科学基金面上项目(cstc2020jcyj-msxmX0803)、重庆市教育委员会科学技术研究项目（KJQN20180812）、重庆市教委科技项目基金(KJQN202100845)、国家级大学生创新创业训练计划（920620009）项目资助