| 基于Anchor-free的交通标志检测 |
| |
| 引用本文： | 范红超,李万志,章超权.基于Anchor-free的交通标志检测[J].地球信息科学,2020,22(1):88-99. |
| |
| 作者姓名： | 范红超 李万志 章超权 |
| |
| 作者单位： | 1. 挪威科技大学,特隆赫姆7491;2. 武汉大学,武汉430072 |
| |
| 基金项目： | 国家自然科学基金项目(41771484)~~ |
| |
| 摘 要： | 交通标志检测是自动驾驶中的重要研究方向,实时准确地从街景图像中检测交通标志对实现自动驾驶及智慧城市的发展具有重要意义。传统的算法基于颜色、形状特征进行检测,只能提取特定种类的交通标志,算法无法同时检测不同类型的交通标志。基于图像特征+机器学习分类器的算法需要人工设计特征,算法速度较慢。主流的基于深度学习的方法多基于先验框,在网络设计上引入了额外的超参数,且在训练过程中产生过量的冗余边界框,容易造成正负样本不平衡。本文受Anchor-free思想的启发,引用YOLO检测器直接回归物体边界框的思路,提出一种基于Anchor-free的实时交通标志检测网络AF-TSD（Anchor-free Traffic Sign Detection）。AF-TSD摒弃了先验框的设计,并引入自适应采样位置可变卷积与注意力机制,大大提高网络的特征表达能力。本文开展大量对比实验,实验结果表明本文提出的AF-TSD交通标志检测网络速度接近主流算法,但精度优于主流算法,在德国GTSDB交通标志检测数据集上取得了96.80%的精度,检测速度平均单张图片32 ms,达到实时检测的要求。
|
| 关 键 词： | 众源地理信息数据 交通标志检测 卷积神经网络 可变形卷积 注意力机制 Anchor-free AF-TSD |
| 收稿时间： | 2019-08-05 |
Anchor-Free Traffic Sign Detection |
| |
| FAN Hongchao,LI Wanzhi,ZHANG Chaoquan.Anchor-Free Traffic Sign Detection[J].Geo-information Science,2020,22(1):88-99. |
| |
| Authors: | FAN Hongchao LI Wanzhi ZHANG Chaoquan |
| |
| Institution: | 1. Norwegian University of Science and Technology, Trondheim 7491, Norway;2. Wuhan University, Wuhan 430072, China |
| |
| Abstract: | |
| |
| Keywords: | VGI data traffic sign detection convolutional neural networks deformable convolution attention mechanism anchor-free AF-TSD |
| 本文献已被 CNKI 维普 等数据库收录！ |
| 点击此处可从《地球信息科学》浏览原始摘要信息 |
| 点击此处可从《地球信息科学》下载免费的PDF全文 |
|
