基于加权密集连接卷积网络的快速交通标志检测

来源：交通运输系统工程与信息杂志2020年第2期北京时间：

作者：邵毅明，屈治华，邓天民，宋晓华

单位：重庆交通大学交通运输学院，重庆 400074

摘要：为提高算法对交通标志快速定位的准确性，改善现有检测算法在复杂交通环境下检测效果不佳、实时性较差的问题，提出一种基于动态加权密集连接卷积网络的交通标志快速检测算法. 选用YOLOv2 作为基础网络，通过增加动态加权密集块对各层特征图的权重进行调节，实现深层高语义信息和浅层低语义信息的融合；使用MobileNet 轻量化网络结构，通过可分离卷积操作有效降低网络的计算成本；针对池化操作中图像特征丢失严重问题引入 CBAM模块，利用通道注意力和空间注意力信息增强关键特征的表达能力. 实验结果表明，本文算法在GTSDB数据集上分别达到了96.14%的检测精度和139 frame/s 的检测速度，在保证较高检测精度的同时，能够有效提高检测效率，满足实时检测要求.

关键词：智能交通,交通标志检测,密集连接网络,深度学习,MobileNet

基金资助：国家重点研发计划/ National Key Research and Development Program of China(2016YFB0100905)；重庆市科技人才培养计划/ Chongqing Science and Technology Talent Training Program(cstc2013kjrc-qnrc0148).