基于改进YOLOV4模型的交通标志识别研究

为了解决目前高清街景图像中定位和分类交通标志任务时,出现的图像目标背景复杂,小目标不易识别等一系列问题,提出了一种基于YOLOV4模型改进的交通标志识别新算法.首先,在原骨干网络中嵌入新型注意力机制CA模块,形成一对方向感知和位置敏感的注意力图,使网络能够在更大区域内聚焦有效特征;其次,在颈部特征增强网络处添加适量的增强感受野RFB模块,进一步提升网络的特征融合能力.在TT100K交通标志数据集上进行实验发现,改进算法在IOU阈值为0.5时,相较于原算法的mAP指标提升了近4个百分点,每秒识别帧数达到了39FPS.因此,提出的CA-RFB-YOLOV4算法可以在增加少量计算参数的情况下,显著提升目标数据的识别精度,更好地满足了实际场景中交通标志识别的需求.