版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
作者机构:上海应用技术大学计算机科学与信息工程学院上海201418
出 版 物:《计算机仿真》 (Computer Simulation)
年 卷 期:2023年第40卷第9期
页 面:140-145,430页
学科分类:08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程]
主 题:自注意力机制 交通标志识别 深度学习 深度可分离卷积
摘 要:针对交通标志识别精度低,识别模型参数量大,识别速度慢的问题,提出了将多头自注意力机制应用到YOLOv4-tiny模型的主干网络中,构建D-CSP模块和A-CSP模块,替换原模型中的主干网络,其中D-CSP模块使用深度可分离卷积显著降低模型的参数数量和计算量,A-CSP模块将多头自注意力机制和卷积运算融合,增强了特征图的语义信息,最后在四层特征图上进行不同尺度的目标检测,降低漏检率。在TT100K数据集上的测试结果表明,上述模型的平均精度达到90.7%,相比YOLOV4-tiny模型提升了2.1%,模型大小为22.9MB,比YOLOV4-tiny模型少了0.9MB。上述算法一定程度上减少模型大小,并带来了检测精度的提升。