www.ChinaAET.comArtificialIntelligence人工智能基于Darknet23和特征融合的交通标志检测方法*杜婷婷，钟国韵，江金懋，任维民（东华理工大学信息工程学院，江西南昌330013）摘要：道路交通标志检测是智能交通的重要环节之一，针对交通标志检测存在背景复杂、目标较小、检测速度慢等问题，选取工业界青睐的YOLOv3模型提出一种改进的检测方法。利用双向特征金字塔结构实现图像低、中、高层特征语意信息的双向融合，提升低层预测目标的分类和高层预测目标的定位能力；将原模型的主干特征提取网络进行改进，提出Darknet23网络，以提高网络的提取能力和减少计算量；根据目标形状的特点，使用K-means聚类算法得到用于训练合适的锚点框，并在边框回归中引入灵活性更强的Lα-CIOU损失函数，使网络朝着预测框与真实框重叠度较高的方向去优化。实验结果表明，该方法在CCTSDB数据集上mAP@0.75达到86.10%、mAP@0.5：0.05：0.95达到70.017%，相比原网络分别提升10.17％和5.656％，参数量减少3622091，速度提升8.27f/s，且优于SSD和FasterRCNN等主流的检测网络。关键词：交通标志检测；双向特征金字塔；Darknet23网络；K-means聚类；损失函数中图分类号：TP391文献标志码：ADOI:10.16157/j.issn.0258-7998.222900中文引用格式：杜婷婷，钟国韵，江金懋，等.基于Darknet23和特征融合的交通标志检测方法[J].电子技术应用，2023，49(1)：14-19.英文引用格式：DuTingting，ZhongGuoyun，JiangJinmao，etal.Trafficsign′sdetectionmethodbasedonDarknet23andfea‐turefusion[J].ApplicationofElectronicTechnique，2023，49(1)：14-19.Trafficsign′sdetectionmethodbasedonDarknet23andfeaturefusionDuTingting，ZhongGuoyun，JiangJinmao，RenWeimin(SchoolofInformationEngineering，EastChinaUniversityofTechnology，Nanchang330013，China)Abstract：Roadtrafficsign′sdetectionisoneoftheimportantlinksofintelligenttransportation.AdetectionmethodbasedontheimprovedYOLOv3modelbytheindustryisproposedfortheproblemsofcomplexbackground,smalltargetsandslowdetectionspeedintrafficsigndetection.Themethodusedabidirectionalfeaturepyramidstructuretoachievebidirectionalfusionofseman‐ticinformationoflow,middleandhighlevelfeaturesofimagestoimprovetheclassificationoflow-levelpredictiontargetsandthelocalizationofhigh-levelpredictionta...
