基于多尺度融合和特征对齐的实时高精度交通标志检测与识别

高精度的实时交通标志检测和识别对安全自动驾驶和智能交通系统至关重要。本研究对基线网络YOLOV4进行了升级，增加了多尺度融合模块和注意力机制模块（AMM），丰富了不同尺度交通标志的特征表示。同时，颈部网络结合了特征选择模块和特征对齐模块，增强了高、低层特征图之间像素偏移的语义判别。具体地说，针对AMM，设计了一种转置的自注意力操作。其使用互协方差矩阵将令牌维度上的操作转换为通道维度，将时间复杂度从O(n2)降低到O(n)。在TT100K交通标志数据集上的实验结果表明，与基线网络（mAP@0.5=76.4%）相比，升级后的网络（mAP@0.5=83.4%）取得了较好的改进，检测和识别速度可达39.45帧/秒，达到了目前最先进的水平。