基于Mask R-CNN的无人机影像路面交通标志检测与识别

作     者：陈朋弟 黄亮 夏炎 余晓娜 高霞霞 CHEN Pengdi;HUANG Liang;XIA Yan;YU Xiaona;GAO Xiaxia

作者机构：昆明理工大学国土资源工程学院昆明650093 云南省高校高原山区空间信息测绘技术应用工程研究中心昆明650093 昆明工业职业技术学院昆明650093 

基　　金：国家自然科学基金项目“南方山地城镇建设用地与变化的坡度梯度效应研究”(编号:41961039) 云南省应用基础研究计划面上项目“基于全卷积神经网络的多源遥感影像变化检测”(编号:2018FB078) 云南省高校工程中心建设计划项目 自然资源部地球观测与时空信息科学重点实验室项目“基于直觉模糊集理论的多源遥感影像变化检测方法研究”(编号:201911) 昆明理工大学学生课外学术科技创新基金项目“基于Mask Grid R-CNN的无人机影像路面交通标志检测与识别系统”(编号:2020YB002)共同资助 

出 版 物：《国土资源遥感》 (Remote Sensing for Land & Resources)

年 卷 期：2020年第32卷第4期

页      码：61-67页

摘      要：交通标志的检测与识别是智能驾驶导航系统的重要组成部分,但传统方法的处理过程由于精度低、时间复杂度高以及鲁棒性差等缺点,不能满足当前智能驾驶的需求。为此,提出了一种基于Mask R-CNN的无人机影像路面交通标志检测与识别方法。首先,制作了一套高质量的无人机影像路面交通标志数据集;然后,根据统计的200个标记路标特征,对Mask R-CNN中区域候选网络(region proposal network,RPN)结构的锚框宽高比及初始参数进行了改进,使其更好地应用于无人机影像路标场景;最后,采用精确度-召回率(precision-recall,PR)曲线和平均精度值(mean average precision,mAP)进行精度评价。实验结果表明,锚框宽高比为1∶1,1∶2,1∶3时效果更好;该方法得到的识别结果平均检测精度为98.33%,高于Faster R-CNN和YOLOv3方法,具有较好的有效性。

主 题 词：无人机影像 交通标志检测 交通标志识别 Mask R-CNN RPN 锚框 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 

核心收录：

D　O　I：10.6046/gtzyyg.2020.04.09

馆 藏 号：203100055...