基于RTS R-CNN实例分割网络的道路交通标志检测方法
Guirong Zhang1, Yiming Peng1, Hai Wang1
1School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China.
Sensors (Basel, Switzerland)
|July 29, 2023
概括
本研究介绍了RTS R-CNN,这是一个先进的实例细分网络,用于检测路面交通标志,这对自动驾驶系统至关重要. 新方法显著提高了准确性,特别是对于小标志,并提高了数据的可用性.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 自主驾驶系统 自主驾驶系统
背景情况:
- 道路表面交通标志检测的研究有限.
- 挑战包括小物体的精度下降和有限的数据集大小.
研究的目的:
- 提出一个新的实例细分网络,RTS R-CNN,用于增强路面交通信号检测.
- 提高自动驾驶决策系统的感知能力.
主要方法:
- 开发了基于Mask R-CNN的RTS R-CNN,并将CSPDarkNet53_ECA用于特征提取.
- 引入了GR-PAFPN与RFA和ASPP模块,用于改进小物体检测和BFP用于特征平衡.
- 利用数据增强来扩展数据集并防止过拟合.
主要成果:
- 在Ceymo数据集上获得了87.56%的Macro F1得分,比基线高出2.3%.
- 演示了23.5 FPS的推理速度,适合实时应用.
结论:
- RTS R-CNN有效地解决了道路表面交通标志检测方面的挑战.
- 拟议的网络为自动驾驶感知系统提供了重大进展.
