基于知识蒸馏的道路交通标志识别神经网络

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：葛怡源, 于明鑫

单位：北京信息科技大学 仪器科学与技术系，北京 100192

摘要：自然场景下的交通标志识别易受到光照、遮挡和模糊等因素的干扰，从而影响检测精度；同时现有的深度学习模型参数量多、计算复杂度较高导致模型推理时间较长。提出了一种基于知识蒸馏的神经网络架构AFE-ViT（adaptive feature extraction-vision Transformer）用于道路交通标志识别，该架构由自适应特征提取模块和轻量级ViT（vision Transformer）分类器组成，其融合了图像中局部和全局特征信息，对自然场景下的道路交通标志识别具有更好的适应性。其中，自适应特征提取模块结合了InceptionNetV1、SKNet思想和残差结构，实现了多感受野的自适应选择，并作为ViT的前置模块，有效提高了特征提取效率。选择ResNet18作为教师网络，AFE-ViT作为学生网络，采用特征级和输出级知识蒸馏方法对AFE-ViT进行蒸馏，压缩模型参数。实验结果表明，该方法的识别准确率可达98.98%，模型参数量仅为9.9×105，表现优于同类深度学习模型。

关键词：交通标识,知识蒸馏,自适应特征提取