改进CenterNet的交通标志检测算法

作者：成怡; 张宇; 李宝全

来源：信号处理, 2022, 38(03): 511-518.

DOI：10.16798/j.issn.1003-0530.2022.03.008

• 交通标志检测
• 多尺度感受野模块
• 特征增强模块
• 深度学习

针对交通标志尺度变化大导致检测精度低的问题，本文提出一种改进CenterNet的交通标志检测算法。采用ResNeSt50作为主干特征提取网络，引入PSConv(Ploy-Scale Convolution)改进网络卷积层结构。设计多尺度感受野模块，对ASPP(Atrous Spatial Pyramid Pooling)选取合适的膨胀率，利用注意力机制优化模块输出，提升对不同尺度标志的检测能力。在解码网络设计特征增强模块，减少因连续上采样导致的特征丢失。针对CenterNet回归目标尺寸不准确的问题，使用GHM(Gradient Harmonizing Mechanism)对损失函数改进。经实验验证，改进后算法总体精度提升了9.45%，速度达到每秒91.09帧，适用于交通标志检测。

• 出版日期2022
• 单位天津工业大学