结合卷积和自注意力机制的交通标志识别模型

摘要

针对交通标志识别精度低,识别模型参数量大,识别速度慢的问题,提出了将多头自注意力机制应用到YOLOv4-tiny模型的主干网络中,构建D-CSP模块和A-CSP模块,替换原模型中的主干网络,其中D-CSP模块使用深度可分离卷积显著降低模型的参数数量和计算量,A-CSP模块将多头自注意力机制和卷积运算融合,增强了特征图的语义信息,最后在四层特征图上进行不同尺度的目标检测,降低漏检率。在TT100K数据集上的测试结果表明,上述模型的平均精度达到90.7%,相比YOLOV4-tiny模型提升了2.1%,模型大小为22.9MB,比YOLOV4-tiny模型少了0.9MB。上述算法一定程度上减少模型大小,并带来了检测精度的提升。