RSO-YOLO：基于参数重置和浅层特征增强的交通标志检测方法

《IEEE Open Journal of Intelligent Transportation Systems》：RSO-YOLO:Traffic Sign Detection Method Based on Reparameterization and Shallow Feature Enhancement

　　

摘要：

交通标志检测是自动驾驶和智能交通系统中的关键任务。然而，现有的检测方法在准确性和推理延迟之间难以达到有效的平衡，尤其是在需要检测小目标物体和实现实时性能的应用中。为了解决这一挑战，本文提出了一种改进的基于YOLO的交通标志检测方法，称为RSO-YOLO。该方法通过优化网络结构和深化下采样过程来增强浅层特征提取能力，有效减少了特征丢失并提高了小目标物体的检测精度。为了进一步提高推理效率，本文将重参数化技术与大核卷积相结合，扩大了感受野范围，同时降低了计算成本，显著提高了检测器的推理速度。在GTSDB和TT100K数据集上的实验结果表明，RSO-YOLO-S模型在mAP50指标上分别达到了98.2%和83.6%，相比基线模型提高了3.8%和11个百分点，同时保持了11.6ms和30.3ms的推理延迟。消融研究验证了各个模块对模型性能提升的贡献。这项研究成功地在检测精度和推理延迟之间取得了平衡，同时确保了模型的轻量级特性，为智能交通系统中的视觉感知任务提供了更高效、更可靠的解决方案。