针对目前实时交通标志识别中出现的对于中小型目标检测精度低的问题, 本文提出了一种基于YOLOv3-tiny的深度可分离卷积(Depthwise Separable Convolutions)的轻量级交通标志检测网络。采用深度可分离卷积构建深度可分离卷积模块代替普通卷积搭建特征提取网络,在保证计算量的前提下更好地提取中小型目标的特征信息。同时, 改进多尺度特征融合网络, 提高对中小型交通标志的检测精度, 使用h-swish激活函数减少因为网络层数增加而丧失的图像特征, 实现对多类交通标志的检测。实验结果表明: 本算法有效的提高了对中小型交通标志的检测, 在验证集上对警告标志(Warining)指示标志(Mandatory)、禁止标志(Prohibitory)3类交通标志进行检测, 检测精度(AP)结果分别为9857%, 96.03%, 98.04%。检测平均精度(mAP)97.54%、检测速度为201.5 f/s.平均精度较YOLOv3-tiny提高了1401%。在保证轻型网络的计算量低、检测时效性好的前提下, 有效地提升了检测精度。
图像处理 目标检测 交通标志 深度可分离卷积 image processing target detection traffic signs depth separable convolution YOLOv3 YOLOv3 h-swish h-swish