摘要
作为交通系统的基本构成要素，交通标志通过向驾驶员、行人等提供道路状况的关键信息，有效降低事故发生的风险。随着计算机视觉与人工智能技术的迅猛发展，交通标志识别系统已被广泛应用于高级驾驶辅助系统（ADAS）及自动驾驶系统中，以帮助驾驶员和自动驾驶车辆精准获取重要道路信息。然而，在实际应用中，小尺寸交通标志的识别仍面临较大挑战。本文提出一种高效的小尺寸交通标志识别方法——Small-Aware Traffic Signs Recognition，该方法受当前先进目标检测框架YOLOv4与YOLOv5的启发。本研究主要包含以下四项贡献：（1）在模型主干网络（Backbone）方面，引入高层语义特征，构建更优的检测头；（2）在模型颈部结构（Neck）中，采用感受野增强模块（Receptive Field BlockCross），以更好地捕捉特征图的上下文信息；（3）在模型检测头（Head）部分，优化检测网格结构，提升对小尺寸交通标志的定位精度；（4）在输入处理方面，提出一种名为“随机擦除-注意力”（Random Erasing-Attention）的数据增强方法，能够有效增加难样本数量，增强模型的鲁棒性。在具有挑战性的TT100K数据集上的实验证明，所提方法在性能上显著优于现有最先进方法。此外，该方法具备实时处理能力，展现出在高级驾驶辅助系统与自动驾驶系统中广阔的应用前景。