EMDFNet：用于交通标志检测的高效多尺度与多样化特征网络
计算机视觉与模式识别
2024-08-27 v1
摘要
小目标检测，特别是交通标志检测，是目标检测与自动驾驶中的一项关键子任务。尽管先前的研究取得了显著成就，但仍存在两个主要挑战。首先，主要问题是特征提取的单一性。其次，检测过程未能有效地与不同大小或尺度的目标进行整合。这些问题在通用目标检测中也普遍存在。受这些挑战的启发，本文提出了一种名为高效多尺度与多样化特征网络（EMDFNet）的新型目标检测网络，用于交通标志检测，该网络集成了增强捷径模块和高效混合编码器以同时解决上述问题。具体而言，增强捷径模块利用多分支来整合各种空间语义信息和通道语义信息，从而增强特征多样性。高效混合编码器基于各种特征利用全局特征融合和局部特征交互，通过以自适应方式整合特征信息来生成具有区分度的分类特征。在 Tsinghua-Tencent 100K (TT100K) 基准和 German Traffic Sign Detection Benchmark (GTSDB) 上的大量实验表明，我们的 EMDFNet 在性能上优于其他最先进的检测器，同时保留了单阶段模型的实时处理能力。这证实了 EMDFNet 在检测小交通标志方面的有效性。
引用
@article{arxiv.2408.14189,
title = {EMDFNet: Efficient Multi-scale and Diverse Feature Network for Traffic Sign Detection},
author = {Pengyu Li and Chenhe Liu and Tengfei Li and Xinyu Wang and Shihui Zhang and Dongyang Yu},
journal= {arXiv preprint arXiv:2408.14189},
year = {2024}
}
备注
15 pages,5 figures,accepted to ICANN