计算机科学与探索

作者：冯爱棋, 吴小俊, 徐天阳

单位：江南大学 人工智能与计算机学院 江苏省模式识别与计算智能工程实验室，江苏 无锡 214122

关键词：交通标志检测,YOLOv5,注意力机制,Transformer,上下文信息

近年来交通标志检测任务得到了广泛的关注，然而现有方法常无法满足检测实时性要求，并且现有方法在检测小尺度交通标志时存在较多漏检情况，为此，提出融合注意力机制和上下文信息的实时交通标志检测算法。该算法以YOLOv5为基准模型，首先，在主干网络中嵌入空间注意力机制自适应地强化关键位置的特征，抑制干扰信息，提高主干网络的特征提取能力；其次，设计跨阶段局部窗口Transformer模块用于学习不同位置间信息的关联性，捕获交通标志周围丰富的上下文信息，有助于提高小尺度交通标志的检测精度；再次，提出轻量的特征融合网络对不同尺度的特征图进行融合，减少计算量的同时确保有效的特征融合；最后，在后处理阶段提出高斯加权融合方法修正检测框，进一步提高定位精度。在TT100K和DFG交通标志检测数据集上的实验表明，提出的算法有效地改善了小尺度交通标志的漏检情况，具有较高的准确性和实时性，可以满足实际场景的交通标志检测需求。

来源：2023年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第11期