基于卷积神经网络的小目标交通标志检测算法

来源：同济大学学报·自然科学版杂志2019年第11期北京时间：

作者：周苏

摘要：PVANet（performance vs accuracy network）卷积神经网络用于小目标检测的检测能力较弱.针对这一瓶颈问题,采用对PVANet网络的浅层特征提取层、深层特征提取层和HyperNet层（多层特征信息融合层）进行改进的措施,提出了一种适用于小目标物体检测的改进PVANet卷积神经网络模型,并在TT100K（Tsinghua-Tencent 100K）数据集上进行了交通标志检测算法验证实验.结果表明,所构建的卷积神经网络具有优秀的小目标物体检测能力,相应的交通标志检测算法可以实现较高的准确率.

关键词：卷积神经网络, 交通标志检测, 计算机视觉, 小目标检测

基金资助：奥地利Austrian Research Promotion Agency (FFG)基金”RoboCar”项目（No. 861000）