基于轻量化SSD的交通标志检测算法.pdfVIP

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