YOLO-TS：基于优化感受野和无锚框融合的实时交通标志检测
计算机视觉与模式识别
2024-10-23 v1
摘要
确保自动驾驶和高级驾驶辅助系统 (ADAS) 的安全，关键取决于有效部署交通标志识别技术。虽然当前方法显示有效，但往往在速度和准确性之间进行权衡。为解决此问题，我们提出一种新型实时高效道路标志检测网络，YOLO-TS。该网络通过优化多尺度特征图的感受野，将其更接近地域内各种数据集中交通标志大小分布，从而显著提高性能。此外，我们创新的特征融合策略利用无锚框方法的灵活性，允许在高分辨率特征图上进行多尺度目标检测，富含丰富的上下文信息，实现准确性和速度的显著提升。为缓解稀疏卷积对小目标检测产生的网格模式的不利影响，我们设计了一个独特模块，不仅缓解了该网格效应，还扩大了感受野以包含广泛的空间上下文信息，从而提高了信息使用的效率。在具有挑战性的公共数据集 TT100K 和 CCTSDB2021 上的评估表明，YOLO-TS 在准确性和速度方面均优于现有最先进方法。我们的方法代码将在公开。
引用
@article{arxiv.2410.17144,
title = {YOLO-TS: Real-Time Traffic Sign Detection with Enhanced Accuracy Using Optimized Receptive Fields and Anchor-Free Fusion},
author = {Junzhou Chen and Heqiang Huang and Ronghui Zhang and Nengchao Lyu and Yanyong Guo and Hong-Ning Dai and Hong Yan},
journal= {arXiv preprint arXiv:2410.17144},
year = {2024}
}
备注
13 pages, 9 figures and 7 tables