使用空间语义改进Mask R-CNN的港口地面交通标志识别算法

Spatial semantic constrained port ground traffic sign recognition algorithm based on improved Mask R-CNN

针对MaskR-CNN在多时段,复杂气候环境下识别地面标志物精度不理想,识别速度较慢的问题,提出了一种多任务分支结构的地面标志物识别算法,用于应对不同类型地面标志物的识别。通过新增轻量化的车道线识别任务分支,构建基于空间结构约束和差分约束的损失函数。使用特征金字塔网络提取多尺度的共用特征,拼接后的特征分别送入对应任务分支,在训练过程中通过增强的损失函数更新网络权重,最后各分支利用学习的权重输出识别结果。在光照不足时或阴雨天,标志物被污染等复杂工况下的港口数据集上实验,识别菱形地面标志精度为95.6%,与MaskR-CNN基本相同。车道线地面标志识别任务精度为93.4%,较Mask R-CNN提升17%,同时识别帧率提升2倍。