改进CenterNet的交通标志检测算法

针对交通标志尺度变化大导致检测精度低的问题,本文提出一种改进CenterNet的交通标志检测算法。采用ResNeSt50作为主干特征提取网络,引入PSConv(Ploy-Scale Convolution)改进网络卷积层结构。设计多尺度感受野模块,对ASPP(Atrous Spatial Pyramid Pooling)选取合适的膨胀率,利用注意力机制优化模块输出,提升对不同尺度标志的检测能力。在解码网络设计特征增强模块,减少因连续上采样导致的特征丢失。针对CenterNet回归目标尺寸不准确的问题,使用GHM(Gradient Harmonizing Mechanism)对损失函数改进。经实验验证,改进后算法总体精度提升了9.45%,速度达到每秒91.09帧,适用于交通标志检测。