HQ-YOLO：通过高维特征映射与四流小波变换实现可靠的交通标志检测

《Neurocomputing》：HQ-YOLO: Robust traffic sign detection via high-dimensional feature mapping and quad-stream wavelet transform

　　张建明|王远|刘子康|王磊 中国长沙410114，长沙理工大学南区桥梁长期性能提升工程技术省部共建实验室 摘要 随着城市道路交通的快速发展，交通标志检测技术在智能交通系统中的作用日益重要。然而，恶劣天气条件（如雨雾）、光照变化、远距离拍摄以及背景杂乱等因素仍给检测带来巨大挑战。为提高交通场景中小型物体的检测精度，我们对YOLOv12s进行了改进，提出了名为HQ-YOLO的新交通标志检测器。首先，我们精心设计了CrossStar模块，该模块能够将输入特征有效映射到高维特征空间，从而丰富特征表示。其次，创新性地提出了四流小波变换模块。传统多级小波变换仅对近似分量进行连续分解，而我们则对每一级的四个分量都进行分解，这样既能有效保留全局特征，又能突出目标的细粒度特征，进而进一步提升检测精度。第三，设计了多尺度高效大核卷积模块，该模块整合了多尺度特征和全局上下文信息，能够有效适应不同尺寸的交通标志，同时拓展了普通卷积有限的感受野。最后，在GTSDB、CCTSDB 2021和GLARE数据集上的实验结果表明，HQ-YOLO显著提升了检测精度。与YOLOv12s相比，HQ-YOLO的mAP0.5值分别提高了3.1%、3.2%和3.5%。相关代码和数据集可在https://github.com/wy1022/HQ获取。引言 随着全球经济的快速发展，车辆数量逐年递增，日益复杂的道路交通状况导致交通事故频发。为了实现绿色安全的交通，世界各地的研究人员都在致力于研究稳定可靠的智能交通系统。智能交通系统的感知功能，如检测[1][2]、跟踪[3][4][5]以及分类[6]，都离不开计算机视觉的支持。其中，交通标志检测是将道路标志实时分析并转化为关键交通规则的数据[2]，为系统决策提供准确依据。近年来，交通标志检测技术[7]能够为驾驶员及时提供道路状况信息，使其提前做出判断，从而减少交通事故的发生。如图1所示，交通标志检测仍面临诸多挑战。主流方法可分为三类：基于传统机器学习的方法[9]、基于卷积神经网络的方法[10]以及基于视觉Transformer的方法[11]。传统方法依赖手工设计的特征提取方式，泛化能力有限；虽然视觉Transformer能够建模全局依赖关系，但需要大量数据且计算成本较高。相比之下，基于CNN的方法通过卷积操作自动学习特征，在检测精度和速度方面具有明显优势。因此，我们以基于CNN的方法[12]作为基准，构建可靠的检测器。传统YOLO网络的骨干网络[13]本质上是一个特征映射引擎，负责将特征从低维空间转换为高维空间，这一过程是通过分层卷积操作完成的。如果想要获得更高维度的特征空间，就必须叠加更多的卷积层或全连接层，但这会大大增加计算负担。为在紧凑的骨干网络中实现高维特征映射，我们基于原有的星形运算[14]提出了CrossStar模块。该运算无需复杂的结构设计或精细的超参数调整。值得注意的是，每增加一层，特征维度呈二次增长，而单层内的参数开销并不大。目前，传统YOLO网络的特征提取阶段是在空间域中进行的，通过连续的下采样操作，高频细节往往会被过滤掉。此外，普通卷积无法有效分离频域特征，这可能导致雨雾噪声（低频干扰）被无差别放大，同时交通标志的锐利边缘（高频信息）会被模糊。因此，我们提出使用小波变换[15]将空间特征转换到频域，然后分别增强分离后的频域分量。小波变换能够有效保留高频信息，从而解决了YOLO网络骨干结构的固有缺陷，为在复杂环境条件下实现稳健检测提供了新思路。在传统YOLO网络中，骨干架构采用多层普通卷积操作进行下采样，由于这些卷积的核大小相对较小且固定，网络在提取小型目标特征时往往会丢失全局信息。Transformer模型虽然在保留全局特征方面表现优异，但对局部变化的敏感度较低。在涉及小型目标和动态环境的场景中，这一局限性尤为明显，模型的性能会大幅下降。因此，我们采用了CNN-Transformer混合架构[16]。由于普通卷积对方向性不敏感，而交通标志具有明显的方向性特征（如三角形警示标志），为解决这一问题，我们结合了空间可分离卷积和深度可分离卷积，分别在水平和垂直方向上提取特征，其核大小分别为 和 ，其中 。为防止局部信息丢失，当 时，我们使用核大小为 的普通卷积。同时，我们还增加了额外的Transformer分支来提取全局信息，进而整合多尺度信息和全局信息，这能有效减少特征损失，提升模型的稳健性。最后，为了更好地比较模型与YOLOv12s的性能，我们使用热图可视化方法（如图2所示）来对比不同模型所关注的感兴趣区域。本文的主要贡献如下：1. 我们通过对原始星形运算进行改进，设计了CrossStar模块。该模块能够在紧凑的网络架构中将低维输入特征映射到更高维的特征空间。值得注意的是，单层内的参数开销并不大，因为其隐式的维度扩展主要依赖于逐元素乘法操作，产生的可训练参数极少。此外，我们主要使用 和 两种卷积核进行特征映射，这种方法有助于提取局部特征并促进细粒度特征之间的交互，从而显著提升模型对小型目标的关注度。2. 我们提出了四流小波变换模块。该模块通过迭代分解和处理所有四个分量而非仅低频分量，能够保留全局上下文信息并增强交通标志的边缘纹理，从而提升模型的检测性能。3. 我们设计了多尺度高效大核卷积模块。该模块通过在轻量级设计中整合深度可分离卷积和空间可分离卷积，有效降低了计算复杂度，从而能够高效地提取水平和垂直方向的特征，并建立长距离依赖关系。最终，该模块能够捕获丰富的空间位置信息和全局上下文信息。本文的其余部分安排如下：第2节介绍相关研究工作，第3节介绍CrossStar模块、四流小波变换模块以及MELK模块，第4节分析实验结果并对所提出的方法进行评估，第5节为总结。相关内容片段 交通标志检测器 交通标志检测方法主要可分为三类：基于传统机器学习的方法、基于CNN的方法以及基于ViT的方法[11]。传统方法依赖手工设计的特征提取方法（如HOG[17]、SIFT[18]），并将这些特征与分类器结合用于检测。尽管它们的计算效率较高，但依赖于特征工程，在复杂环境中的泛化能力有限。基于ViT的方法则利用……概述 尽管YOLOv12在各种物体检测任务中表现良好，但由于背景杂乱、亮度变化以及目标区域较小等原因，其在交通标志检测中可能会出现较多的误报和漏报现象。因此，我们需要对其加以改进，以便更好地适应交通标志检测任务。我们模型的整体结构如图3所示。为为交通标志检测提供高精度的解决方案，我们主要通过增加特征维度、频率……实验细节 HQ-YOLO及其他模型均使用PyTorch（版本2.2.2）和CUDA 11.8实现。所有实验都在配备NVIDIA RTX 2080 Ti（11 GB）GPU的Linux工作站上进行。训练超参数详见表1，其他超参数则保持默认值。在对比实验中，YOLO系列模型的性能指标是通过我们自己的训练和验证得到的，而其他模型的指标则来源于以往的研究。结论 本文主要通过高维特征映射提升模型的表达能力，提出了一种新的小波卷积方法，用于有效增强细节并保留全局信息，同时还使用了多尺度卷积来获取多尺度特征。通过实验验证，我们所提出的方法能够有效提升检测精度。具体而言，原始的星形运算是基于固定的感受野进行逐元素乘法运算的，但我们认为……CRediT作者贡献声明 张建明：写作——审阅与编辑、监督、方法论、资金获取、形式分析、概念构思。王远：写作——初稿撰写、软件开发、方法论、形式分析。刘子康：可视化、数据整理。王磊：写作——审阅与编辑、项目管理、资金获取。利益冲突声明 作者声明没有已知的可能影响本文工作的财务利益或个人关系。致谢 本研究部分得到了湖南省自然科学基金（项目编号2025JJ50379）、长沙市南区桥梁长期性能提升工程技术省部共建实验室开放基金（项目编号25KE01）以及国家自然科学基金（项目编号U25B20211）的支持。张建明于1996年在中国杭州浙江大学获得学士学位，2001年在中国长沙国防科技大学获得硕士学位，2010年在中国长沙湖南大学获得博士学位。他目前是中国长沙理工大学计算机科学与技术学院的教授兼博士生导师，已发表超过160篇研究论文，研究兴趣包括计算机……