一种增强前景的轻量级交通标志检测模型.pdfVIP

研究论文第51卷第3期/2025年3月/计算机工程

一种增强前景的轻量级交通标志检测模型

袁亚剑,毛力1,2,3*

（1.江南大学人工智能与计算机学院，江苏无锡214122；2.江南大学先进技术研究院，江苏无锡214122；

3.江南大学江苏省模式识别与计算机智能工程实验室，江苏无锡214122)

摘要：交通标志检测在辅助驾驶中扮演着不可或缺的角色，为安全驾驶提供了至关重要的支持。在实际交通

环境中，在黑夜或雨天产生的背景噪声会加大交通标志检测的难度。现有模型往往难以有效检出远处的小目标

交通标志，此外，在设计交通标志检测模型时应当考虑到实际部署对模型体积的要求。为此，在YOLOv8的基础

上提出一种增强前景的轻量级交通标志目标检测模型。首先，设计了1个轻量级的PC2f模块替换掉原本

Backbone中的部分C2f模块，该模块降低了模型的参数量和计算量，在保留更多浅层信息的同时进一步丰富了梯

度流信息，同时实现了模型轻量化和提升检测性能；其次，设计了前景增强模块（FEM)并将其引入Neck位置，该

模块能够有效放大前景信息并减弱背景噪声；最后，增加了一层小目标检测层，用于在高分辨率的图像上提取浅

层特征，加强模型对小目标交通标志的检测性能。实验结果表明，优化后的模型在数据集CCTSDB2021和

GTSDB上的mAPso分别达到了82.5%和95.3%，相较于原模型分别提升了3.6和1百分点，并且模型权重大小

减小了0.22×10°。这些结果验证了所提模型在实际应用中的有效性。

关键词：交通标志检测；轻量化网络；前景增强模块；小目标检测；黑夜场景目标检测

中图分类号：TP391文献标志码：AD0I:10.19678/j.issn.1000-3428.0069042

ALightweightTrafficSignDetectionModelwithEnhancedForegrounds

YUANYajian,MAOLil.2.3*

(1.SchoolofArtificialIntelligenceandComputerScience,JiangnanUniversity,Wuxi214122,Jiangsu,China;

2.InstituteofAdvancedTechnology,JiangnanUniversity,Wuxi214122,Jiangsu,China;

3.JiangsuEngineeringLaboratoryofPatternRecognitionandComputerIntelligence,JiangnanUniversity,Wuxi214122,Jiangsu,China)

[Abstract]Trafficsigndetectioniscrucialforassisteddrivingandplaysavitalroleinensuringdrivingsafety.

However,inreal-worldtrafficenvironments,factorssuchasdarknessandraincreatebackgroundnoisethat

complicatesthedetectionprocess.Inaddition,existingmodelsoftenstruggletoeffectivelydetectsmalltraffic

signsfromadistance.Furthermore,whenatrafficsigndetectionmodelisdesigned,themodelsizemustbe

consideredforpracticaldeployment.Toaddressthesechallenges,thisstudyproposesal