图学学报 ›› 2022, Vol. 43 ›› Issue (2): 288-295.DOI: 10.11996/JG.j.2095-302X.2022020288
摘要: 在智能驾驶领域,为实时精确检测路面的导向标志,提出一种基于透视降采样和神经网络的地标
检测方法,有效解决传统检测方法实时性较差、复杂场景和远处小目标检测准确率较低的问题。首先,选取图像
感兴趣区域进行透视降采样,降低道路图像近处分辨率,缩小图像尺寸,同时消除透视投影误差。其次对
YOLOv3-tiny 目标检测网络进行改进,采用 k-means++算法对自建数据集的边界框聚类;添加卷积层强化浅层特
征,提升小目标表征能力;改变特征金字塔融合尺度,将预测输出调整为适合地标尺寸的 26×26 和 52×52。最后,
在自建多场景数据集上测试,准确率由 78%提升到 99%,模型大小由 33.8 MB 减小为 8.3 MB。结果表明,基于
透视降采样和神经网络的地标检测方法鲁棒性强,对小目标检测精度更高,易于在低端嵌入式设备上部署。
中图分类号: