基于深度学习的交通标志检测与识别研究

发布时间：2024-12-22 04:49

　　随着人工智能技术的广泛应用,汽车行业的研究开发重点也逐渐转向具有智能交通系统(Intelligent Transportation System,ITS)的无人驾驶汽车和辅助驾驶汽车。而交通标志识别系统(Tranffic Sign Recognition,TSR)作为ITS中不可或缺的一环,其重要程度不言而喻。在实际道路中,交通标志被车载摄像头捕捉到的图片或视频往往是以小目标的形式出现的,这时TSR的交通标志识别精度和检测速度还有一定的提升空间。本文在现有研究的基础上,做了以下工作: (1)基于YOLOv8n模型进行针对交通标志小目标的改进。针对交通标志小目标在YOLOv8n模型上的识别准确率会受到影响的问题,本文提出了一种基于交通标志小目标的检测与识别方法FLA-YOLOv8n(Traffic Sign Detection And Recognition YOLOv8n),在YOLOv8n模型的颈部引入聚焦线性注意力机制、检测头部分增加160x160尺度的小目标检测层,并引入WIo U损失函数,改进后的模型针对小目标交通标志的检测和识别,准确率和精度都得到一定提升。同时本文为了得到规模...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 传统交通标志检测与识别方法
        1.2.2 基于深度学习的交通标志检测与识别方法
    1.3 本文主要研究内容
    1.4 本文组织结构
    1.5 本章小结
第2章 交通标志检测与识别理论基础
    2.1 人工神经网络
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 全连接层
    2.3 基于深度学习的目标检测算法
        2.3.1 两阶段目标检测算法
        2.3.2 单阶段目标检测算法
    2.4 交通标志数据集
    2.5 交通标志检测与识别评价指标
    2.6 本章小结
第3章 基于注意力机制的交通标志小目标的检测识别方法
    3.1 YOLOv8n 模型
    3.2 网络模型与算法流程
        3.2.1 聚焦线性注意力机制
        3.2.2 小目标检测层
        3.2.3 WIoU损失函数
    3.3 实验
        3.3.1 数据集的处理
        3.3.2 实验环境和参数设置
        3.3.3 实验设计与分析
        3.3.4 实验结果与分析
    3.4 本章小结
第4章 轻量化 FLA-YOLOv8n 交通标志检测与识别方法
    4.1 轻量化模块设计
        4.1.1 轻量化模块
        4.1.2 C2f_Rep Ghost 模块
    4.2 网络模型与算法流程
    4.3 实验
        4.3.1 实验环境和数据集
        4.3.2 实验设计与分析
        4.3.3 实验结果与分析
    4.4 本章小结
第5章 结论与展望
    5.1 结论
    5.2 展望
参考文献



本文编号：4019460