刘 胜 马社祥* 孟 鑫 李 啸

1(天津理工大学电气电子工程学院 天津 300384)2(天津理工大学海运学院 天津 300384)3(天津理工大学计算机科学与工程学院 天津 300384)

0 引 言

交通标志识别在高级辅助驾驶系统和自动驾驶中扮演重要角色，对提高驾驶员的安全性起着至关重要的作用。交通标志识别任务可详细分为两部分：交通标志检测和交通标志识别。交通标志检测主要任务是解决交通标志的定位问题，即在一幅图像或一段视频中用矩形框标记出交通标志；交通标志识别则是在检测的基础上进一步区分矩形框中目标的详细类别[1]。因交通标志有目标小、背景复杂、易受环境因素影响等特点，所以与一般目标相比更难检测。针对这一问题，一些传统检测算法在检测精度上已取得很好的效果。如文献[2-4]在GTSDB数据集上的检测准确率约为100%，但运行时间却无法满足快速检测的要求。而对高级辅助驾驶系统或自动驾驶而言，检测时间是非常重要的一项技术指标，只有快速检测才能对驾驶员起到及时提醒的作用，以保证驾驶员的安全。

近年来，由于计算机性能的发展使得深度学习取得了实质性的进展。深度学习在计算机视觉、自然语言处理等领域都有良好表现。在计算机视觉领域中，卷积神经网络(Convolutional Neural Network, CNN)在目标检测、分类和分割等任务上都有很好的表现。基于卷积神经网络的检测器大致可分为两类：二阶段检测器和一阶段检测器。二阶段检测器如Faster R-CNN[5]和R-FCN[6]等，相比一阶段检测器有更高的检测精度；……