基于Transformer的交通标志检测模型研究 |
| |
引用本文: | 严丽平,张文剥,宋凯,蔡彧,王静,徐嘉悦.基于Transformer的交通标志检测模型研究[J].华东交通大学学报,2024(1):61-69. |
| |
作者姓名: | 严丽平 张文剥 宋凯 蔡彧 王静 徐嘉悦 |
| |
作者单位: | 1. 华东交通大学软件学院;2. 华东交通大学信息工程学院 |
| |
基金项目: | 国家自然科学基金项目(62362031,62262022);;江西省自然科学基金项目(20224BAB202021); |
| |
摘 要: | 【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。
|
关 键 词: | 交通标志检测 自动驾驶 Transformer 注意力融合 |
|
|