基于特征融合级联网络的交通标识牌检测算法

准确检测交通标识牌对提高驾驶的安全性具有十分重要的作用，随着深度学习的不断发展完善，基于深度学习的检测算法也应运而生，但这些方法存在检测小目标精度低的问题。针对这一问题，提出一种基于特征融合级联网络的标识牌检测算法。该算法在Faster R-CNN框架的基础上增加了特征融合模块，将网络中提取的浅层特征信息与深层特征信息相融合，这样就能够同时利用深层特征图中语义信息和浅层特征图中小目标的特征信息来检测标识牌。在特征融合网络后级联一个网络来解决特征融合网络误分类。在Tsinghua-Tencent 100k交通标识数据集上进行实验，结果表明该算法对标识牌的检测的平均检测率有明显提升。