基于Cache-DCN YOLOX算法的交通标志检测方法研究

来源：计算机测量与控制杂志2024年第2期北京时间：

作者：高尉峰,王如刚,王媛媛,周锋,郭乃宏

单位：江苏省盐城市亭湖区盐城工学院信息工程学院

摘要：针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种基于Cache-DCN YOLOX算法的交通标志识别方法。在该方法中,使用DCN可变形卷积替换backbone中的普通卷积,有效地增大了模型的感受野,提高了特征提取能力；使用EIOU损失函数代替YOLOX中的GIOU损失函数,优化了训练模型,提高了收敛的速度；优化设计了YOLOX算法中的强弱两阶段的训练过程,增强了模型的泛化性能,同时加入cache方案,进一步提高了检测精度。在交通标志数据集TT100K上进行了实验,提出方法的检测精度为67.2%,比原YOLOX算法的检测精度提升了6.4%,同时,在被遮挡的小目标等多种受干扰的环境下,提出的方法能够精确地检测出交通标志,并有着较好的置信度,满足实际需求。

关键词：深度学习;YOLOX;交通标志识别;可变形卷积;小目标检测

基金资助：江苏省研究生实践创新计划项目资助(No: SJCX22_1685, SJCX21_1517),江苏省高等学校自然科学研究重大项目资助(No: 19KJA110002),国家自然科学资助(No.61673108),江苏省高校自然科学研究面上项目(NO.18KJD510010, 19KJB510061),江苏省自然科学(No. BK20181050)。