基于Transformer的交通标志检测模型研究

【目的】为了解决在复杂环境下，对小目标特征困难以及对小目标检测效果不佳等问题，提出了一种基于Transformer的交通标志检测基干模型。【方法】通过充分利用卷积和Transformer的优势，构建了一种注意力融合的多尺度特征提取基干模型，能够使基干网络以全局上下文信息为支撑，有选择地增强有用信息的特征，并抑制不重要的特征。此外，为了在增强特征融合的同时防止网络退化，还加入了类池连接。最后，在TT100K数据集上进行实验。【结果】实验结果表明，以该模型为骨干的元体系结构取得了最高84%的mAP，与基线模型相比m AP最大提升约7%。【结论】模型在提高特征提取效果的同时，也为交通标志检测提供了一种新的思路。