一种基于Libra R-CNN的多尺度目标检测网络和交通标识检测方法

摘要

提出了一种基于Libra R‑CNN的多尺度目标检测网络。针对城市道路下的交通标志检测存在的环境复杂，目标种类多且数量不平衡的特点，对Libra R‑CNN进行改进，修改IoU‑balanced Sampling模块，使用GA‑RPN替代原有RPN，并将Balanced L1 Loss替换为Smooth L1 Loss，使训练期间产生更精确更多样化的样本，提高检测准确率，并通过实验验证了其有效性。实验是在MS COCO 2017和交通标志数据集上进行的。改进后的Libra R‑CNN的mAP提高了3个百分点，达到0.773。实验结果表明，改进后的网络相比原有的目标检测网络性能有了显著提升。