原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ISSN1002-4956实验技术与管理第41卷第1期2024年1月
CN11-2034/TExperimentalTechnologyandManagementVol.41No.1Jan.2024
DOI:10.16791/ki.sjg.2024.01.008
基于轻量化SSD的交通标志检测算法
1,233
张刚，王运明，彭超亮
（1.江苏建筑职业技术学院建筑智能学院，江苏徐州221116；2.江苏建筑节能与建造技术协同
创新中心，江苏徐州221116；3.大连交通大学自动化与电气工程学院，辽宁大连116028）
摘要：实时精确的交通标志检测是自动驾驶和智能交通的关键技术。针对现有智能检测算法检测复杂真实
道路场景下的交通标志速度慢、无法较好地适用于嵌入式终端设备的问题，提出了一种基于轻量化SSD的
交通标识检测算法。该算法采用MobileNetV3_large网络替代VGG16网络，可减少模型参数，提高检测实时
性；利用添加SE模块的逆残差结构B-neck替换对应的标准卷积增强低层特征层的语义信息；设计改进RFB
网络提升小交通标志的检测能力，重新设置预设先验框的尺寸，提升模型对特定数据集的检测能力。实验结
果表明，改进SSD算法在中国交通标志检测数据集上的mAP值可达89.04%，比MobileNet-SSD算法提高了
5.26%；帧率可达60frames/s，比SSD算法提高了23frames/s。所提算法具有较高的实时性和检测精度，对
复杂交通环境具有更好的鲁棒性。
关键词：交通标志检测；SSD；MobileNetV3_large；逆残差结构；RFB；先验框
中图分类号：TP181文献标识码：A文章编号：1002-4956(2024)01-0063-07
交通标志检测作为自动驾驶和智能交通系统的重还具备较快的检测速度。文献[8]将YOLO-V4网络原
要组成部分，是计算机视觉识别领域的研究热点。交特征图中3个尺度的分辨率13×13、26×26、52×52更
通标志的高精度和高效率检测是实现智能汽车安全行改为26×26和52×52，在连接层中添加SPP（spatial
驶的重要保障。随着深度学习算法的兴起，交通标志pyramidpooling）模块，消除网络对固定尺度的约束，
智能检测得到了极大的发展。然而，交通场景复杂多提高交通标志检测的实时性和精确性。文献[9]将深度
变、安装在汽车上的嵌入式终端设备资源受限，对交可分离卷积引入YOLOV3的特征提取层，实现通道内
通标志检测技术提出了极高要求。卷积与通道间卷积之间的分离，在保证较高的交通标
近年来兴起的深度学习技术，助推了目标检测领志识别精度的基础上，极大地提高了计算速度。文献[10]
域的突破性发展。基于深度学习的目标检测算法主要改进了SSD算法，通过跨尺度双向特征融合方法以自
分为两类，一类是以R-CNN[1]、FastR-CNN[2]、Faster底向上和自顶向下的方式融合浅层3种不同尺度特
R-CNN[3]为主的基于区域的双阶段目标检测算法，该征，在深层特
文档评论（0）