2023, Vol. 32
2. 南京信息工程大学 科技产业处, 南京 210044
2. Science and Technology Industry Division, Nanjing University of Information Science and Technology, Nanjing 210044, China
近年来, 随着自动驾驶技术的快速发展, 对于自动驾驶场景中行人、交通标志等目标的识别研究日益增加. 其中, 交通信号灯检测是一项关键任务, 其利用车载摄像头拍摄的照片和视频来对信号灯进行分析. 然而, 在获取的图像中存在交通信号灯目标尺度过小和有用特征稀缺的问题, 这增加了目标检测误检和漏检的可能性. 因此, 迫切需要一种准确度高且检测速度快的算法来解决这一问题.
深度学习技术在计算机视觉领域取得了巨大的成功, 特别是在目标检测领域. 与早期手工设计的方法相比, 现阶段基于深度学习的目标检测算法已经成为主流, 并可以分为以下两类: (1)传统的两阶段目标检测算法, 如Faster R-CNN[1]、VFNet[2]、CenterNet2[3]等, 这些方法首先需要一个网络来定位图像中可能的物体区域, 随后利用另一个网络对物体进行分类. 尽管以Faster R-CNN为代表的两阶段检测器在目标检测任务中具有高精度的优点, 但由于检测速度较慢, 难以满足交通信号灯检测实时性的要求. (2)单阶段目标检测算法包括YOLO9000[4]、YOLOv3[5]、YOLOv4[6]、ScaledYOLOv4[7]、YOLOv5、YOLOX[8]、FCOS[9]、DETR[10]等. YOLO系列[4–8,11]是一种典型的单阶段目标检测算法, 检测速度快、准确率高, 因此成为交通信号灯检测任务的首选算法.
尽管目标检测算法在计算机视觉领域取得了一定成绩, 但在小目标检测方面仍存在一定问题与难点. 现阶段, 小目标检测多以主流目标检测算法为基础, 从数据增强、检测层、检测头、特征提取和注意力机制等方面提升小目标的检测性能. 例如, Wang等[12]通过使用AF-FPN替换原有的特征金字塔, 提高了YOLOv5对多尺度目标的检测性能; 同时, 还提出了一种自动学习的数据增强方法, 通过丰富数据集来提高模型的适应性和鲁棒性. Chen等[13]引入了专门用于检测小目标的检测头和增强注意力, 检测精度提高6.68%. Wang等[14]提出了SG-YOLO算法, 结合SE注意力模块和Ghost模块, 使用SG-Bottleneck结构, 参数量减少32.1%. Chu等[15]使用Trans模块和LD-Head减少冗余特征干扰, 提高小目标检测性能. Bi等[16]提出了基于YOLOv4的YOLO-RFB算法, 通过剪枝主干和引入虫洞卷积层等方法, 成功提高了检测交通标志中小目标样本的效果.
上述方法虽有效提高小目标检测精度, 然而小目标对象分辨率低、像素占比小, 在使用卷积网络进行特征提取时, 所提供信息有限, 不足以对小目标进行表达. 同时, 随着卷积神经网络多次下采样, 特征图尺寸不断减小, 小目标特征信息难以提取, 导致检测过程中出现严重的误检、漏检.
为此, 本文提出了一种改进YOLOv5s的交通信号灯检测算法, 以提高小目标检测平均精确度并降低漏检率和误检率. 首先, 引入新的特征融合层和检测头, 增强算法的感知能力, 尤其是对小目标的检测能力和在光照变化较大的场景下的适应性. 其次, 采用多尺度特征融合网络RSN-BiFPN, 通过融合不同尺度的特征信息, 实现了更准确的交通信号灯定位, 降低漏检和误检的风险. 最后, 对定位损失函数进行改进, 更好地约束模型的学习过程, 提升算法的准确性. 综合上述改进措施, 改进后的算法在误检率和漏检率方面都显著降低, 从而提高了精确度.
1 YOLOv5s原理YOLOv5是一种广泛应用于目标检测的深度学习模型, 包括4个版本: YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x. 为了在速度和精度之间取得平衡, 本文选择参数量小、速度快的YOLOv5s网络来进行交通信号灯检测. YOLOv5s由输入层、骨干网络、颈部网络和头部网络组成, 其网络结构如图1所示.
1.1 输入端输入端采用3种数据增强技术, 分别为马赛克数据增强、自适应锚点计算和自适应图像尺寸处理. 马赛克增强通过随机裁剪来扩充数据集数量, 从而提高网络对小目标的检测能力. 自适应锚点计算针对不同数据集生成最佳预测框, 提高模型检测精度. 自适应图像尺寸处理采用添加最小黑边和缩放到标准尺寸的方式, 避免特征张量与全连接层不匹配的问题, 进而提高模型的效率和稳定性.
1.2 骨干网络骨干网络采用了Focus下采样、CSP1_X和SPP结构来提取图像特征. Focus模块对输入图像进行下采样和通道增加, 生成12维特征图的输出. 接下来, 通过使用3×3卷积核从特征图中提取32维特征层. 通过Focus下采样的方法在提高网络性能的同时, 保留了图像信息. CSP1_X采用残差结构, 增加了层与层之间反向传播的梯度值, 避免梯度消失问题, 并获得更细粒度特征信息. SPP模块将任意大小的特征图转换为固定大小的特征向量, 增强模型感受野.
1.3 颈部网络颈部网络采用CSP2_X、FPN和PAN[17]结构, 进一步提取和整合来自骨干网络的特征信息. CSP2_X结构通过插入两个残差块来提高网络的特征融合能力, 使网络在保持丰富的特征信息的同时减少计算量. 为了解决多尺度物体检测问题, 采用FPN和PAN结构对特征金字塔网络进行扩充和路径聚合. FPN从上到下传递深层语义特征, 而PAN从下到上传递目标的位置信息. 这种自上而下和自下而上的特征信息融合方法可以有效地识别不同尺度的目标.
|
图 1 YOLOv5s网络结构 |
1.4 头部网络
头部网络采用bounding box损失和NMS非极大值抑制以提高目标检测的准确性. Bounding box损失用于训练目标检测模型, 衡量预测框与真实标签框之间的差异. NMS则用于后处理阶段, 对重叠的检测框进行筛选和抑制, 从而得到最终的目标检测结果. 头部网络由3个检测层组成, 每个层生成不同大小的特征图, 用于检测不同大小的目标物体. 每个检测层都输出相应的向量, 这些向量被组合在一起, 生成最终的目标检测结果, 以实现对目标对象的精确定位和分类.
2 算法优化本文基于YOLOv5s模型进行改进, 首先, 在保留原模型的3个检测层的基础上, 添加了一层具有更大尺度特征的小目标检测层, 以获取更多特征信息, 增强小目标的检测能力. 其次, 将PANet特征金字塔替换为本文提出的RSN-BiFPN模块, 并应用在特征融合层, 以增强特征的多尺度表达, 从而降低漏检率和误检率. 最后, 使用EIoU损失函数作为边界框损失函数, 以提升检测精度和速度. 改进后的YOLOv5s网络结构如图2所示.
2.1 目标检测层优化针对交通信号灯尺度较小的问题, 通过增加小目标检测层可以有效减少小目标的漏检率. 在YOLOv5s网络中, 特征融合层仅包含第3、4、5层的特征信息. 该部分进行两次上采样和两次下采样, 以融合深层特征与浅层特征. 特征融合完成后, 在检测层输出大小为80×80、40×40、20×20的3种不同尺度的特征图. 特征图尺度越大, 感受野越小, 包含目标位置信息和局部特征细节越详细, 有利于检测小目标; 特征图尺度越小, 感受野越大, 语义信息越丰富, 但局部细节不明显, 适合检测大目标. 为了提高小目标检测的平均精度, 同时避免由于下采样导致目标的局部细节特征损失过大、小目标信息丢失, 本文引入了一个原本未进行融合的160×160的特征图到检测层. 该层经过深层特征的传递以及与浅层特征的融合, 包含更多的小目标轮廓信息以及位置信息, 有利于小目标的定位与识别, 降低小目标的漏检和误检. 同时, 在特征融合网络中增加了一次上采样和一次下采样操作, 从而将最后输出的检测层增加至4层. 增加检测层后, 输出的预测框数量也从9个相应地增加到12个, 其中新增的3个预测框长宽比不同且专为小目标检测而设计. 通过这些改进, 本文得到了一个具备四头预测器结构的模型. 该模型在检测微小物体和多尺度物体方面表现出色, 有效提高了对小目标的检测性能.
2.2 RSN-BiFPN特征金字塔YOLOv5s模型采用了PANet特征金字塔结构来解决目标检测中尺度变化的问题. PANet特征金字塔通过自顶向下和自底向上的路径以及横向连接的方式, 将不同层级的特征进行融合. 其特征融合过程如图3所示.
|
图 2 改进YOLOv5s网络结构 |
|
图 3 特征融合过程 |
首先, YOLOv5s使用一系列卷积层来提取不同尺度的特征图, 这些特征图具有不同的分辨率, 代表了图像中不同尺度的特征信息. 这些特征图被送入PANet进行特征融合.
其次, 自顶向下路径通过对低层级特征图进行下采样, 得到一组具有相同通道数的特征图, 这组特征图被称为bottom-up特征. 同时采用融合操作将高层级特征图的语义信息传递到低层级特征图中, 如图3中红线所示. 这样可以将高层级特征图的语义信息与低层级特征图的细节信息相结合, 得到更全局和粗糙的特征表示.
然后, 自底向上路径通过对高层级特征图进行上采样和融合操作, 将低层级特征图的细节信息传递到高层级特征图中, 如图3中蓝线所示. 这样可以将不同尺度的特征信息进行融合, 提高检测的准确性. PANet在自顶向下和自底向上模块增加了一个横向连接操作, 通过将自底向上和自顶向下路径的特征图进行逐元素相加或拼接, 实现特征融合, 如图3中黑线所示.
最后, 通过自底向上和自顶向下路径的融合, 得到了多层级的特征金字塔. 为了进一步融合这些特征, PANet采用了一个特征融合模块. 该模块通过对特征金字塔中的特征图进行上采样和下采样操作, 将不同尺度的特征图调整到相同的大小. 然后将调整后的特征图进行逐元素相加或拼接, 实现特征的融合.
如图4(a), YOLOv5s原始模型仅将第3、4、5层特征纳入到特征融合网络. 然而, 由于小目标和大目标在尺度上存在显著差异, 仅使用这几个特征层可能无法有效处理不同尺度目标之间的差异, 一些小目标仍然难以检测, 或者可能被错误地归为其他类别. 为解决这个问题, 本文引入了第2层特征层到特征融合网络中, 如图4(b)所示. 由于网络添加了小目标检测层, 将原本不参与特征融合的第2层特征层加入特征融合网络中, 过多保留浅层语义信息导致网络的深层语义信息丢失严重, 使得网络特征相对复杂. 因此, 更多地保留这些相对深层的语义信息显得尤为重要.
|
图 4 特征金字塔对比 |
如图4(c)所示, BiFPN在PANet的基础上进行改进. 首先, 为了简化网络结构, BiFPN删除了只有一条输入边的节点, 其原因是这类节点无法进行特征融合. 其次, 在第3层和第4层的输入节点和输出节点之间增加了一条额外的边, 以很小的代价融合更多的特征. 最后, BiFPN将每个双向(自上而下和自下而上)路径视为单个特征网络层, 并重复应用同一层以实现更高级别的特征融合. BiFPN通过多尺度特征融合、上下文信息引入和优化信息流动等方式, 增强对小目标的表达能力, 提高小目标检测、定位的准确性.
本文在BiFPN的基础上, 提出了一种名为RSN-BiFPN的结构, 其结构如图4(d)所示. RSN-BiFPN首先将第2层特征加入到特征融合结构中, 以融合更多不同尺度的特征. 其次, 保留第2层和第5层结点以减少深层语义信息的丢失. 最后, 在每一层的输入节点和输出节点之间增加了一条额外的边, 实现跨尺度的连接. 并引入了可学习的权重因子来表征不同输入特征的重要程度, 同时在自上而下和自下而上的多尺度特征融合中反复应用这些权重. 改进后的网络一定程度上增加少量的计算复杂度, 但有效减少复杂场景下的漏检和误检现象. 下面是RSN-BiFPN的两个特征融合公式:
| $ P_i^{{\rm{td}}} = Conv\left( {\frac{{{w_1} \cdot P_i^{{\rm{in}}} + {w_2} \cdot P_{i + 1}^{{\rm{in}}}}}{{{w_1} + {w_2} + {w_3} + \varepsilon }}} \right) $ | (1) |
| $ P_i^{{\rm{out}}} = Conv\left( {\frac{{w'_1 \cdot P_i^{{\rm{in}}} + w'_2 \cdot P_i^{{\rm{td}}} + w'_3 \cdot P_{i - 1}^{{\rm{out}}}}}{{w'_1 + w'_2 + w'_3 + \varepsilon }}} \right) $ | (2) |
其中,
边界框损失函数在目标检测任务中起着关键作用, 对于准确的目标定位和识别具有至关重要的影响. 在目标检测任务中, IoU (intersection over union)被广泛用于衡量预测边界框与真实边界框之间的重叠程度. 然而, 传统的IoU存在一些问题. 首先, IoU仅关注边界框之间的重叠程度, 而未考虑位置和形状的差异. 这使得在目标形状变化较大或存在重叠目标的情况下, IoU无法提供准确的损失度量.
CIoU (complete intersection over union)是一种改进的IoU度量方法, 综合考虑了边界框的位置、形状和大小之间的关系. 然而, CIoU在一些特定情况下仍然存在一些局限性. 例如, 当目标发生尺度变化或具有较大的长宽比时, CIoU可能无法准确地衡量边界框的重叠程度, 影响检测的准确性. YOLOv5s模型采用CIoU损失函数作为边界框损失函数, LCIoU计算公式如式(3)所示. 其中
| $ {L_{{\rm{CIoU}}}} = 1 - IoU + \frac{{{\rho ^2}(b, {b^{gt}})}}{{{{({c_w})}^2} + {{({c_h})}^2}}} + \alpha \nu \; $ | (3) |
其中,
| $ \alpha = \frac{\nu }{{(1 - IoU) + \nu }} $ | (4) |
| $ \nu = \frac{4}{{{{\text{π}} ^2}}}{\left( {\arctan \frac{{{w^{gt}}}}{{{h^{gt}}}} - \arctan \frac{w}{h}} \right)^2} $ | (5) |
为了解决CIoU的局限性, 本文采用了改进的边界框损失函数EIoU (enhanced intersection over union). 图5展示了CIoU和EIoU损失函数在预测框回归过程中的迭代对比. 红色框和绿色框代表预测框的迭代过程, 蓝色框表示真实框, 黑色框为预设的锚框. 通过观察图中的变化, 可以发现CIoU无法同时调整宽度和高度, 而EIoU能够有效解决这个问题.
|
图 5 CIoU与EIoU的迭代对比 |
EIoU在CIoU的基础上进一步考虑了目标的尺度和长宽比信息, 通过引入额外的尺度项, 能够更准确地度量边界框之间的重叠程度. 与CIoU相比, EIoU在处理尺度变化较大的情况下表现出更好的鲁棒性和准确性. EIoU损失函数由重叠损失
| $ \begin{split} {L_{{\rm{EIoU}}}} &= \;{L_{IoU}} - {L_{{\rm{dis}}}} - {L_{{\rm{asp}}}} \\ & = 1 - {{IoU}} + \frac{{{\rho ^2}(b, {b^2})}}{{{c^2}}} + \frac{{{\rho ^2}(w, {w^{gt}})}}{{c_w^2}} + \frac{{{\rho ^2}(h, {h^{gt}})}}{{c_h^2}} \end{split} $ | (6) |
其中,
本文的实验环境配置见表1, 在本文的消融实验、对比分析实验以及与其他算法的对比实验中, 使用了相同的实验配置.
|
表 1 实验环境配置 |
为了评估本文所提出的改进YOLOv5s模型, 本文实验数据集采用由Kaggle数据众包平台提供的S2TLD小尺度交通信号灯数据集, 经过扩充后共包含6095张图像, 包括多种天气条件下的交通信号灯目标. 每幅图像的大小为1080×1920像素, 包含4种不同类别的标签: 红灯(red)、黄灯(yellow)、绿灯(green)和关闭(off), 数量分别为4080个、6175个、375个和1530个. 数据集按9:1的比例被划分为训练集和测试集, 图6展示了数据集中的部分图像.
|
图 6 数据集图像示例 |
3.2 评价指标
为了评估改进后的算法在交通信号灯检测方面的有效性, 本实验采用以下指标进行评估: 精确度(Precision)、召回率(Recall)、多类别平均精度(mAP)和每秒帧数(FPS).
(1)精确度(Precision)、召回率(Recall)的计算公式如下:
| $ Precision = \;\;\frac{{TP}}{{TP + FP}} $ | (7) |
| $ Recall = \frac{{TP}}{{TP + FN}} $ | (8) |
其中,
(2)多类别平均精度(mAP)的计算公式如下:
| $ mAP = \frac{1}{n}\sum\nolimits_{i = 1}^n {A{P_i}} $ | (9) |
其中,
(3)目标检测网络的检测速度通常用FPS (每秒帧数)来衡量. FPS表示网络模型每秒能够处理的图像数量, 数值越大代表网络模型处理图像的速度越快.
3.3 损失函数对比分析在本实验的模型训练过程中, 采用了Mosaic-9数据增强技术, 并将图像输入尺寸设置为640×640. 初始学习率设置为0.01, 最终学习率设置为0.1. 模型的优化采用随机梯度下降法(SGD), 进行150个训练周期(epochs), 每个批处理的大小为8.
为验证优化损失函数是否能够提升模型的性能、加快网络的收敛速度, 在本实验中, 对比GIoU[18]、DIoU[19]、SIoU[20]、CIoU[19]和EIoU[21]等损失函数, 其效果如图7所示, 其损失值及mAP如表2所示.
在本次实验中, 以YOLOv5s-GIoU为例, 该模型采用GIoU作为边界框损失函数, 其他模型采用类似的命名方式. 通过对图7的分析, 观察到模型在大约20个epoch后开始收敛. 与其他损失函数相比, 使用EIoU损失函数, 模型的收敛速度更快, 并且在训练结束时具有更小的损失值. 模型的损失值在第120个epoch时基本稳定. 为了确保对比实验的有效性, 本文选择第120个epoch时的损失值和mAP进行分析.
综合考虑图7中的损失曲线和表2中的损失值与mAP值, 使用EIoU损失函数相比CIoU损失函数, 边界框损失下降0.00038, mAP提升0.6%. 与其他损失函数模型相比, EIoU损失函数的模型达到了最低的损失值0.02056和最高的mAP值95.2%, 表现出最佳性能.
|
图 7 损失函数曲线对比图 |
|
|
表 2 不同模型的损失值及mAP |
3.4 消融实验结果分析
为验证改进YOLOv5s交通信号灯检测算法的有效性, 设计了消融研究来验证添加检测层、使用RSN-BiFPN特征金字塔和修改损失函数对模型在检测交通信号灯方面的性能影响. 本文提出的改进后的YOLOv5s模型在S2TLD数据集上的消融实验结果见表3, 其中“√”代表使用此改进措施.
经过消融实验对比分析, 结果表明: 实验A中, 模型头部添加一个小目标检测层可以提升模型性能. 具体来说, Precision值提升1.6%, Recall值提升1.4%, mAP提升1.2%. 然而, 由于添加了检测层, 计算量增加, 导致FPS下降2.7 f/s. 实验B中, 将backbone中的特征金字塔替换为RSN-BiFPN, 这使得模型能够融合更多尺度的特征. 相比于基准模型, 实验B中Precision值、Precision值、mAP值分别提升1.9%、1.4%、0.7%. 额外融合了第2层的特征导致计算量增加, 使得FPS下降3.6 f/s. 实验C对损失函数进行改进后, 与未改进的模型相比, Precision值提升2.8%, Recall值提升2%, mAP提升0.6%, FPS下降0.9 f/s, 使用不同的损失函数模型有不同的性能. 实验D显示, 同时添加小目标检测层和修改特征金字塔, 在融合更多特征的同时也提升了对小目标的检测效果的稳定性, Precision值、Recall值和mAP分别提升2%、0.3%和1.3%. 然而, 由于计算量的增加, FPS下降3.1 f/s.
|
|
表 3 消融实验结果分析 |
同时采用3种改进策略, 与基准模型相比, 本文在不降低检测速度的前提下, 成功将模型的准确率提升4.1%, 达96.1%; 召回率提升3%, 达95.9%; mAP提升1.9%, 达96.5%. 这些改进策略的实验证明了它们对提高模型性能的有效性. 图8展示了模型改进对各类标签在mAP上的提升.
|
图 8 YOLOv5s和改进YOLOv5s的mAP对比图 |
3.5 对比实验结果分析
为了验证本文提出的改进的YOLOv5s算法在小尺度交通信号灯检测方面的有效性, 本文进行了性能对比实验. 将改进的YOLOv5s算法与目前主流的目标检测算法, 包括YOLOv3-tiny、YOLOv5s、YOLOv7、SSD和Faster R-CNN进行比较, 实验结果如表4所示.
通过对比表4中的实验结果, 可以发现本文提出的改进算法在检测精确度方面优于其他主流模型. 与YOLOv3-tiny、YOLOv5s、YOLOv7、SSD和Faster R-CNN模型相比, 改进模型的平均精确度分别提升4.1%、1.9%、4.2%、20.5%和0.2%.
从模型的实时性能来分析, 经过测试, 本文提出改进算法的FPS达22.7 f/s. 虽然与YOLOv3-tiny和YOLOv5s相比略有降低, 但相比于YOLOv7和Faster R-CNN算法, 本文算法的检测速度分别提高8.3 f/s和21.4 f/s. 因此, 在实时性方面, 本文算法也具有一定优势.
|
|
表 4 对比实验结果分析 |
通过对比实验结果可发现, 改进后的算法有效实现交通信号灯准确、快速地检测, 进一步证明了本文算法的有效性和稳定性.
3.6 检测结果分析为了验证模型的有效性, 本文对检测结果进行可视化分析, 同时对检测到的小目标进行局部放大处理. 图9展示了低亮度小目标的检测情况. 在图9(b)中, 原始YOLOv5s模型未能检测到灯光亮度较暗的红色交通信号灯, 而在图9(c)中, 改进后的模型通过添加小目标检测层成功检测到了红灯目标. 图10展示了多目标的检测情况. 在图10(b)中, 原始YOLOv5s模型给出的目标置信度分别为0.33、0.63、0.63, 而在图10(c)中, 改进后的模型检测出的目标置信度分别提升至0.74、0.74、0.70, 改进后的模型在检测精度上有所提升. 图11展示了对于远处微小目标的误检情况. 通过对比图11(b)和图11(c), 可以观察到改进后的模型由于采用了RSN-BiFPN特征金字塔, 使得模型能够更准确地识别目标特征, 避免将远距离的小目标误检为黄灯. 综上所述, 改进的YOLOv5s模型在检测小尺度交通信号灯目标方面表现优于原始YOLOv5s模型, 同时减少了误检和漏检. 改进后的模型具有更好的性能和更高的检测精确性.
|
图 9 低亮度小目标检测 |
|
图 10 多目标检测 |
|
图 11 远处微小目标检测 |
4 总结
针对小尺度交通信号灯检测效果差、误检和漏检等问题, 本文对YOLOv5s算法进行改进. 首先, 本文设计一种新的特征金字塔结构RSN-BiFPN, 减少了小尺度交通信号灯目标特征信息的丢失, 从而降低误检率和漏检率. 同时, 通过添加新的特征融合层和预测头, 使得模型能够更好地理解和区分不同尺度的交通信号灯. 此外, 采用EIoU损失函数优化输出预测边界框, 避免生成过大的检测框, 进一步减少误检和漏检问题. 改进后YOLOv5s模型的mAP达到96.5%, 相比原始YOLOv5s模型提高1.9%. 此外, 该模型的FPS达到22.7 f/s, 实验结果表明它不仅具备极好的检测精度, 还能满足实时检测的需求. 在未来的研究工作中, 计划通过获取更多的图像数据集来扩大模型的应用范围. 同时, 研究采用轻量化网络作为backbone, 构建一个高性能的轻量级检测模型, 以部署在小型移动设备上.
| [1] |
Ren SQ, He KM, Girshick R, et al. Faster R-CNN: Towards real-time object detection with region proposal networks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(6): 1137-1149. DOI:10.1109/TPAMI.2016.2577031 |
| [2] |
Zhang HY, Wang Y, Dayoub F, et al. VarifocalNet: An IoU-aware dense object detector. Proceedings of the 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Nashville: IEEE, 2021. 8514–8523.
|
| [3] |
Zhou XY, Koltun V, Krähenbühl P. Probabilistic two-stage detection. arXiv:2103.07461, 2021.
|
| [4] |
Redmon J, Farhadi A. YOLO9000: Better, faster, stronger. Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition. Honolulu: IEEE, 2017. 7263–7271.
|
| [5] |
Redmon J, Farhadi A. YOLOv3: An incremental improvement. arXiv:1804.02767, 2018.
|
| [6] |
Bochkovskiy A, Wang CY, Liao HYM. YOLOv4: Optimal speed and accuracy of object detection. arXiv:2004.10934, 2020.
|
| [7] |
Wang CY, Bochkovskiy A, Liao HYM. Scaled-YOLOv4: Scaling cross stage partial network. Proceedings of the 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Nashville: IEEE, 2021. 13029–13038.
|
| [8] |
Ge Z, Liu ST, Wang F, et al. YOLOX: Exceeding YOLO series in 2021. arXiv:2107.08430, 2021.
|
| [9] |
Tian Z, Shen CH, Chen H, et al. FCOS: Fully convolutional one-stage object detection. Proceedings of the 2019 IEEE/CVF International Conference on Computer Vision. Seoul: IEEE, 2019. 9627–9636.
|
| [10] |
Zhu XZ, Su WJ, Lu LW, et al. Deformable DETR: Deformable Transformers for end-to-end object detection. Proceedings of the 9th International Conference on Learning Representations. OpenReview.net, 2021.
|
| [11] |
Redmon J, Divvala S, Girshick R, et al. You only look once: Unified, real-time object detection. Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas: IEEE, 2016. 779–788.
|
| [12] |
Wang JF, Chen Y, Dong ZK, et al. Improved YOLOv5 network for real-time multi-scale traffic sign detection. Neural Computing and Applications, 2023, 35(10): 7853-7865. DOI:10.1007/s00521-022-08077-5 |
| [13] |
Chen Y, Wang JF, Dong ZK, et al. An attention based YOLOv5 network for small traffic sign recognition. Proceedings of the 31st IEEE International Symposium on Industrial Electronics. Anchorage: IEEE, 2022. 1158–1164.
|
| [14] |
Wang QF, Sun X, Yi KX, et al. Real time traffic sign recognition algorithm based on SG-YOLO. Proceedings of the 21st Asia Simulation Conference. Changsha: Springer, 2022. 86–99.
|
| [15] |
Chu JQ, Zhang C, Yan MM, et al. TRD-YOLO: A real-time, high-performance small traffic sign detection algorithm. Sensors, 2023, 23(8): 3871. DOI:10.3390/s23083871 |
| [16] |
Bi ZQ, Xu FQ, Shan MJ, et al. YOLO-RFB: An improved traffic sign detection model. Proceedings of the 12th International Conference on Mobile Computing, Applications, and Services. Springer, 2021. 3–18.
|
| [17] |
Liu S, Qi L, Qin HF, et al. Path aggregation network for instance segmentation. Proceedings of the 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City: IEEE, 2018. 8759–8768.
|
| [18] |
Rezatofighi H, Tsoi N, Gwak J, et al. Generalized intersection over union: A metric and a loss for bounding box regression. Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Long Beach: IEEE, 2019. 658–666.
|
| [19] |
Zheng ZH, Wang P, Liu W, et al. Distance-IoU loss: Faster and better learning for bounding box regression. Proceedings of the 34th AAAI Conference on Artificial Intelligence. New York: AAAI Press, 2020. 12993–13000.
|
| [20] |
Gevorgyan Z. SIoU loss: More powerful learning for bounding box regression. arXiv:2205.12740, 2022.
|
| [21] |
Zhang YF, Ren WQ, Zhang Z, et al. Focal and efficient IOU loss for accurate bounding box regression. Neurocomputing, 2022, 506: 146-157. DOI:10.1016/j.neucom.2022.07.042 |