基于改进YOLOX算法的交通标志检测研究

为进一步提升交通标志图像视觉检测算法的性能,本文提出了一种改进的YOLOX_M算法.首先为YOLOX_M构建了新的特征融合网络Multi-branch FPN,该网络通过多分支结构提取模型底层的特征信息,并通过FPN进行特征融合,可进一步提高模型利用特征的能力.其次,在YOLOX_M检测头引入的Alpha-GIoU损失函数,可以更好地应用于带噪声的边界框,提高边界框的回归精度.实验表明,改进后的YOLOX_M模型在数据集TT100K上的mAP提高了1.8%,具备较好的检测性能.本文研究结果对交通标志检测具有一定的参考价值.