自然场景下交通标志检测与识别

来源：电子测量技术杂志2021年第12期北京时间：

作者：陈红，王相超，陈志琳

单位：西安工业大学电子信息工程学院 西安 710000

摘要：针对我国自然场景下的交通标志检测误差大、检测速度慢等一系列问题。提出了一种对YOLOv4算法的改进的方法。首先在算法的输入端加入图像增强、图像降噪等处理，然后对算法的检测层进行修改，删除19*19检测层，增加152*152检测层。最后利用K-meansⅡ聚类算法对重建的交通标志数据集进行聚类分析，重新定义网络的初始候选框。实验结果表明，改进后的算法能够在自然场景下准确实时的检测到小交通标志。在以CCTSDB数据集为基础建立的交通标志数据集上取得了96mAP，检测速度为26FPS，比YOLOv4算法分别提高了1.7％和1.4。

关键词：交通标志;yolov4;深度学习;图像增强

基金资助：陕西省科技厅项目(2018GY-153)、陕西省西安市未央区科技局项目(201833)资助