论文部分内容阅读
针对雨、雪、雾天等恶劣环境下,交通标志容易被遮挡,且目标较小,难以被高精度识别以及定位的问题,提出先粗检测再精确检测的策略,并采用改进的级联(Cascade) R-CNN:优化锚设计、在线难例挖掘和多尺度训练,同时用图像去雾和增亮算法进行数据增强,最后选用2个不同的骨干网络的模型进行融合。结果表明:在基于虚拟仿真环境下的自动驾驶交通标志识别大赛提供的数据集上,提出的算法表现出优异的泛化能力和准确率,并在指标F1分数达到了0.9972,有效地克服虚拟场景中不同的天气状况和行人状况等干扰因素,实现了道路