基于YOLOv3的交通标志检测与识别算法

针对汽车前置摄像头所拍路况实景中的远距离交通标志占整个画面的比例较小、自动检测较难的问题,本文提出一种改进YOLOv3的卷积神经网络结构.在原YOLOv3算法结构上去掉了 13×13这个冗余的大感受野检测层,结合残差结构思想,将深层特征进行上采样,然后与浅层特征图进行张量拼接,得到104×104的尺度检测层,进一步提高对浅层特征的学习能力.结合Softer-NMS算法,提升检测边框的位置精度和算法的召回率.在测试阶段合并卷积层与BN层,通过减少计算量,提升网络模型前向推断的速度以加快检测速度.实验结果表明,改进的YOLOv3模型的检测精度为91.57%,每张图的平均检测时间14.72 ms,在速度上比YOLOv3算法快了 10.95%,具备更好的检测性能.