论文摘要
针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测,且对复杂交通场景图像检测效果不佳的问题,以抗退化性能较强的ResNet101为基础网络,增加若干卷积层构建残差单发多框检测器（SSD）模型,对高分辨率的交通图像进行多尺度分块检测。为了加快检测速度,采取由粗到精的策略,省略对纯背景图像块的预测.利用中等尺度图像块的初检结果缩小目标范围;对目标范围内的其他图像块进行检测;将所有图像块结果映射回原图像,并结合非极大值抑制实现精准识别。实验结果表明,该模型在公开的交通标志数据集Tsinghua-Tencent 100K上取得了94%的总体准确率和95%的总体召回率,对多分辨率图像中不同大小和形态的交通标志都具有良好的检测能力,鲁棒性较强。
论文目录
文章来源
类型: 期刊论文
作者: 张淑芳,朱彤
关键词: 交通标志,残差单发多框检测器模型,多尺度分块,检测,由粗到精
来源: 浙江大学学报(工学版) 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 汽车工业,计算机软件及计算机应用
单位: 天津大学电气自动化与信息工程学院
基金: 中国国家留学基金资助项目,天津市科技支撑计划重点资助项目(16YFZCGX00760)
分类号: U463.6;TP391.41
页码: 940-949
总页数: 10
文件大小: 2446K
下载量: 267
相关论文文献
标签：交通标志论文; 残差单发多框检测器模型论文; 多尺度分块论文; 检测论文; 由粗到精论文;