面向交通标识的改进RT-DETR检测算法

摘要

针对交通标识检测过程中，驾驶车速过快或光照等外界环境因素导致交通标识发生形变、模糊而造成的检测精度与速度下降的问题，本文提出一种面向交通标识的改进RT-DETR检测算法.首先在算法的主干网络中引入了DCNv2可变形卷积并设计了MCCA注意力机制，进而提出DCNv2att可变形注意力卷积块，有效的生成了偏移量，根据目标对象的形状变化自适应地选择采样位置并更准确的捕捉物体边界的细节信息；然后针对原算法Transformer编码器位置编码方式中存在的周期性缺陷问题，采用一种可学习的位置编码，模型可以自主的学习并适应输入序列特点的位置信息表示，从而提高模型的性能；最后将原GIoU损失函数替换为MPDIoU损失函数，以直接最小化预测边界框和地面实况边界框之间的左上和右下点的距离，缓解了当预测的边界框完全被地面实况边界框覆盖时，损失函数无法优化锚框位置与尺寸的问题.改进的算法在TT100K数据集上与原RT-DETR算法相比，综合平均精度提高了3.0个百分点，计算量下降了18%,FPS提高了12帧，轻量化的同时提高了检测精度与检测速度，显著优于同类对比算法，可实际应用于交通标识检测场景.

关键词

RT-DETR / 交通标识 / 位置编码 / 注意力机制 / MPDIoU Loss