原创力文档摘要
随着智慧交通的快速发展，交通标志检测在辅助驾驶和交通管理中都具有十分重要
的作用。传统的基于云计算的交通标志检测方法依赖于云端服务器进行图像处理，面临
着数据传输延迟高和带宽需求大等问题。边缘计算作为一种新兴的计算范式，将计算资
源下沉至网络边缘，靠近数据源进行处理。然而，在实际应用场景中仍存在一些挑战，
例如基于深度学习的交通标志检测模型精确率不足并且难以直接部署到资源受限的边
缘设备，以及如何将边缘计算框架与交通标志检测任务有效结合。
因此，本文通过改进交通标志检测模型结构，并结合
摘要
随着智慧交通的快速发展，交通标志检测在辅助驾驶和交通管理中都具有十分重要
的作用。传统的基于云计算的交通标志检测方法依赖于云端服务器进行图像处理，面临
着数据传输延迟高和带宽需求大等问题。边缘计算作为一种新兴的计算范式，将计算资
源下沉至网络边缘，靠近数据源进行处理。然而，在实际应用场景中仍存在一些挑战，
例如基于深度学习的交通标志检测模型精确率不足并且难以直接部署到资源受限的边
缘设备，以及如何将边缘计算框架与交通标志检测任务有效结合。
因此，本文通过改进交通标志检测模型结构，并结合
文档评论（0）