Algoritmo ligero de detección de señales de tráfico con supresión de ruido y mejora semántica

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Aprendizaje Automático

Sus antecedentes:

• El despliegue de algoritmos de detección de señales de tráfico en la computación de borde enfrenta desafíos debido al alto costo computacional.
• Los métodos existentes tienen dificultades para detectar señales de tráfico pequeñas o deformadas de manera efectiva.

Objetivo del estudio:

• Desarrollar un algoritmo ligero y de alta precisión para la detección de señales de tráfico para dispositivos de borde.
• Mejorar las capacidades de detección de señales de tráfico pequeñas o deformadas.

Principales métodos:

• Se propuso el algoritmo LNSE-YOLO basado en YOLOv11, incorporando el módulo de Supresión de Ruido y Mejora Semántica (NSSE).
• Se integró la Red de Mejora de Características Impulsada por el Borde (ED-FEN) y el módulo de Atención Deformable Local (LDA).
• Se empleó una estrategia de poda de canales para aligerar el modelo.

Principales resultados:

• El modelo NSE-YOLO de alta precisión mejoró la mAP@50 en 5,5 y 2,5 puntos porcentuales en los conjuntos de datos TT100K y CCTSDB, respectivamente.
• El modelo ligero LNSE-YOLO mantuvo la precisión y al mismo tiempo redujo significativamente los parámetros.
• Se logró un costo computacional comparable al de la línea base YOLOv11n.

Conclusiones:

• El algoritmo propuesto LNSE-YOLO aborda eficazmente las limitaciones de la detección de señales de tráfico existente en dispositivos de borde.
• La metodología demuestra utilidad práctica y mejoras significativas en precisión y eficiencia.
• LNSE-YOLO ofrece una solución viable para sistemas de transporte inteligentes del mundo real.