基于改进YOLOX-S的交通标志识别

交通标志是车辆在规范行驶过程中的一个重要指导，交通标志识别是无人驾驶汽车环境感知中必不可少的重要内容。本文基于YOLOX-S算法进行改进，通过在主干网络末端添加CBAM注意力机制模块，强化特征提取网络所得到的特征；使用Focal Loss函数，更好地消除正负样本不均衡问题，挖掘难例样本；使用GIOU损失函数，解决了原损失函数存在的优化不一致和尺度敏感的问题，进一步提高模型的识别准确率。本文基于TT100K数据集对提出算法进行了实验，对比了几种主流算法与本文算法的识别精度，实验结果表明在具有较高FPS的前提下，本文算法对大部分目标类别的检测精度都有所提升。相较于YOLOX-S模型，所提模型的coco精度评价指标mAP＿50提升1.9%,mAP＿50:95提升2.1%,FPS为35.6。证明了所做改进的有效性。