基于改进编码器和双旅网络的道路交通标志识别方法
计算机视觉与模式识别
2025-02-24 v1 人工智能
摘要
交通标志识别（TSR）在辅助驾驶和智能交通系统中发挥着关键作用。然而，复杂环境下的噪声可能导致运动模糊或遮挡问题，这给实时高精度和鲁棒的识别带来了挑战。本文提出了采用改进编码器和双旅网络的IECES网络。该方法的三阶段流程包括基于Efficient-CNN的编码器、双旅网络骨架以及全连接层。我们首先使用卷积编码器对增强训练样本和标准图像的交通标志特征进行提取与编码。随后，设计基于Efficient-CNN编码器和对比损失函数的双旅神经网络，可通过计算输入与模板之间的距离，在应对运动模糊和遮挡样本时提高TSR问题的鲁棒性。此外，该网络的模板分支在执行识别任务后可停止运行，从而提高实时模型的处理速度，减轻计算资源和参数规模。最后，我们将特征编码与全连接层结合并引入SoftMax函数进行分类，以识别交通标志的类别。在清华-腾讯10万数据集和德国交通标志识别基准数据集上的实验结果表明，所提IECES网络性能优异。与其他最新方法相比，在运动模糊和遮挡环境下，本方法实现了竞争性性能，平均精确率、召回率和准确率分别为88.1%、86.43%和86.1%，且具有2.9M的轻量级规模。此外，本模型的处理时间为0.1秒/帧，相较于现有方法提升了1.5倍的速度。
引用
@article{arxiv.2502.15307,
title = {Road Traffic Sign Recognition method using Siamese network Combining Efficient-CNN based Encoder},
author = {Zhenghao Xi and Yuchao Shao and Yang Zheng and Xiang Liu and Yaqi Liu and Yitong Cai},
journal= {arXiv preprint arXiv:2502.15307},
year = {2025}
}