电子测量技术ELECTRONICMEASUREMENTTECHNOLOGY第46卷第1期2023年1月DOI:10.19651/j.cnki.emt.2210357基于改进YOLOX-S的交通标志识别刘凯罗素云(上海工程技术大学机械与汽车工程学院上海201600)摘要:交通标志是车辆在规范行驶过程中的一个重要指导,交通标志识别是无人驾驶汽车环境感知中必不可少的重要内容。本文基于YOLOX-S算法进行改进,通过在主干网络末端添加CBAM注意力机制模块,强化特征提取网络所得到的特征;使用FocalLoss函数,更好地消除正负样本不均衡问题,挖掘难例样本;使用GIOU损失函数,解决了原损失函数存在的优化不一致和尺度敏感的问题,进一步提高模型的识别准确率。本文基于TT100K数据集对提出算法进行了实验,对比了几种主流算法与本文算法的识别精度,实验结果表明在具有较高FPS的前提下,本文算法对大部分目标类别的检测精度都有所提升。相较于YOLOX-S模型,所提模型的coco精度评价指标mAP_50提升1.9%,mAP_50:95提升2.1%,FPS为35.6。证明了所做改进的有效性。关键词:CBAM注意力机制;FocalLoss;YOLOX-S;GIOU中图分类号:TP391.4文献标识码:A国家标准学科分类代码:510.8020TrafficsignrecognitionbasedonimprovedYOLOX-SLiuKaiLuoSuyun(CollegeofMechanicalandAutomotiveEngineering,ShanghaiUniversityofEngineeringandTechnology,Shanghai201600,China)Abstract:Trafficsignisanimportantguideforvehiclesintheprocessofstandardizeddriving.Trafficsignrecognitionisanessentialandimportantcontentintheenvironmentalperceptionofdriverlessvehicles.BasedonYOLOX-Salgorithm,thispaperstrengthensthefeaturesobtainedfromthefeatureextractionnetworkbyaddingCBAMattentionmechanismmoduleattheendofthebackbonenetwork.UtilizesFocalLossfunctiontobettereliminatetheimbalancebetweenpositiveandnegativesamplesandfocusesonsamplesdifficulttoclassify.UsingtheGIOULossfunction,theproblemsofinconsistentoptimizationandscalesensitivityoftheoriginallossfunctionaresolved,andtherecognitionaccuracyofthemodelisfurtherimproved.Inthispaper,theproposedalgorithmistestedbasedonTT100kdataset,andtherecognitioneffectsarecomparedwithwhichofseveralmainstreamalgorithms.ExperimentalresultsshowthatunderthepremiseofhighFPS,thedetectionaccuracyofmosttargetcategoriesisimproved.ComparedwiththeYOLOX-Smodel,thecocoa...
