VSSA-NET：用于交通标志检测的纵向空间序列注意力网络
计算机视觉与模式识别
2023-04-06 v1
摘要
尽管交通标志检测已研究多年，并随着深度学习技术的兴起取得重大进展，但仍有许多问题有待解决。对于复杂的真实世界交通场景，主要有两方面挑战。首先，交通标志通常为小尺寸物体，使其比大物体更难检测；其次，在缺乏上下文信息的复杂街道场景中，难以区分与真实交通标志相似的虚假目标。为处理这些问题，我们提出一种新颖的端到端深度学习方法，用于复杂环境中的交通标志检测。我们的贡献如下：1）我们提出一种多分辨率特征融合网络架构，其利用带跳跃连接的密集连接反卷积层，能够学习更有效的特征以用于小尺寸物体；2）我们将交通标志检测构建为空间序列分类与回归任务，并提出纵向空间序列注意力（VSSA）模块以获取更多上下文信息，从而获得更好的检测性能。为全面评估所提方法，我们在多个交通标志数据集以及通用目标检测数据集上进行了实验，结果表明了我们所提方法的有效性。
引用
@article{arxiv.1905.01583,
title = {VSSA-NET: Vertical Spatial Sequence Attention Network for Traffic Sign Detection},
author = {Yuan Yuan and Zhitong Xiong and Qi Wang},
journal= {arXiv preprint arXiv:1905.01583},
year = {2023}
}