基于改进YOLOX的交通标志检测与识别

现实中交通标志的检测和识别具有环境多变的特点,交通标志长时间暴露在外经常会出现损坏情况,对检测的精度和速度产生较大影响。利用最新的YOLO系列算法——YOLOX,对网络结构的加强特征提取层进行改进,引入OPA-FPN网络,相较于原来的PANet网络,后者精度提升2.2%。在交通标志识别过程,对经典的卷积神经网络模型LeNet-5进行改进,在数据集TT100K中进行实验,相较于其他交通标志识别模型,使用改进的模型可以使识别正确率提升2.31%,识别时间减少了13.02 ms。