基于改进YOLOX的交通标志检测与识别

打开文本图片集

摘  要：现实中交通标志的检测和识别具有环境多变的特点，交通标志长时间暴露在外经常会出现损坏情况，对检测的精度和速度产生较大影响。利用最新的YOLO系列算法——YOLOX，对网络结构的加强特征提取层进行改进，引入OPA-FPN网络，相较于原来的PANet网络，后者精度提升2.2%。在交通标志识别过程，对经典的卷积神经网络模型LeNet-5进行改进，在数据集TT100K中进行实验，相较于其他交通标志识别模型，使用改进的模型可以使识别正确率提升2.31%，识别时间减少了13.02 ms。（剩余5911字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。