来源：期刊VIP网 时间：
作者：王永康;司占军;
单位：天津科技大学人工智能学院;
摘要：在自动驾驶技术与道路安全驾驶方面，交通标识的正确识别具有重要的作用。因此，针对交通标志检测中因标志类型多样、尺寸差异显著及背景信息复杂而导致的误检和漏检问题，本研究提出了一种改进RT-DETR的交通标识检测模型。首先，在内部尺度特征交互部分添加HiLo注意力机制，进一步增强网络的特征提取能力，提升其在高分辨率图像上的检测效率；其次，本研究设计了CAFMFusion特征融合机制，使得网络能够关注每个通道中不同区域的特征，使模型可以更好地捕获远程依赖关系和邻域特征相关性，提高模型的特征融合能力；最后，使用MPDIoU作为改进后模型的损失函数，实现更快的收敛速度和更准确的回归结果。实验结果表明，在TT100k-2021交通标识数据集上，改进的模型在精确率、召回率和mAP@0.5方面分别达到了90.2%、88.1%和91.6%的性能指标，相比于原始的RT-DETR模型分别提高了4.6%、5.8%和4.4%。该模型有效改善了交通标识检测效果不佳的问题，具有较大的实用价值。
关键词：目标检测;;交通标识;;RT-DETR;;CAFMFusion
