结合颜色分量特征和改进YOLO算法的中国交通标识牌检测

摘要

为了提高利用YOLO算法在自然环境下中国交通标识牌检测的准确性,提出了结合颜色分量特征和改进YOLO深度学习算法。该算法根据中国交通标志图像的颜色特征,获得中国交通标志牌的RGBN空间下的颜色分量特征图;之后,通过在YOLO算法的每个残渣网络中嵌入卷积层的注意力模块(CBAM)改进YOLO算法,进而提升YOLO算法的准确度;最后,利用改进的YOLO算法训练正负样本的RGBN颜色特征图,实现对自然环境下的中国交通标志牌的快速准确检测。实验结果表明:由于论文提出的方法可以去除了图像中大量干扰因素,使得算法在自然环境下检测精度上得到了提升。