MDDFNet：基于 Mamba 的动态双融合网络用于交通标志检测
计算机视觉与模式识别
2025-05-12 v1 人工智能
摘要
小物体尤其是交通标志的检测，是目标检测和自动驾驶中的关键子任务。尽管先前研究取得了显著进展，但仍存在两个主要挑战。第一，特征提取过于单一的问题。第二，检测过程难以有效处理不同大小或尺度的物体。这些问题在一般目标检测任务中同样普遍存在。为解决这些挑战，我们提出了一种新型目标检测网络——基于 Mamba 的动态双融合网络（MDDFNet），用于交通标志检测。该网络集成了动态双融合模块和基于 Mamba 的主干网络，以同时解决上述问题。具体而言，动态双融合模块利用多个分支整合各种空间和语义信息，从而增强特征多样性。基于 Mamba 的主干网络利用全局特征融合与局部特征交互，以自适应方式组合特征，生成独特的分类特性。在 TT100K（清华-腾讯 100K）数据集上进行的广泛实验表明，MDDFNet 优于其他最先进的检测器，在保持单阶段模型实时处理能力的同时实现了更优性能。这证实了 MDDFNet 在检测小型交通标志方面的有效性。
引用
@article{arxiv.2505.05491,
title = {MDDFNet: Mamba-based Dynamic Dual Fusion Network for Traffic Sign Detection},
author = {TianYi Yu},
journal= {arXiv preprint arXiv:2505.05491},
year = {2025}
}