基于CA-ASFF-YOLOv4的交通标志识别研究

来源：计算机工程与应用杂志2023年第17期北京时间：

作者：冷坤, 秦伦明, 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 电子信息工程学院，北京 100044

摘要：交通标志识别是智能交通系统的核心技术。针对实际情况下，交通标志总体目标小且呈现多尺度分布、图像背景复杂，造成识别精度低的问题，提出了一种基于改进YOLOv4模型的交通标志识别算法CA-ASFF-YOLOv4。算法去除用于检测大目标的深度特征层，引入高分辨率特征层，并在各个特征层后添加注意力机制CA模块，有效加强了主干网络对小目标的特征提取。在颈部网络使用自适应特征融合ASFF代替原有的路径聚合网络PAnet，通过优化特征融合解决目标尺度多变的问题。减少残差块的堆叠，抑制背景重复叠加，提高复杂背景下的检测精度。实验结果表明，CA-ASFF-YOLOv4在TT100K 交通标志数据集上的mAP@0.5达到了91.47%，比YOLOv4提升了9个百分点，显著提高了实际应用场合中交通标志的检测精度。

关键词：交通标志识别,YOLOv4,注意力机制,自适应特征融合