摘要:为了帮助智能汽车快速识别前方的交通标志,提升汽车在交通道路上的行驶安全,针对现有技术在识别过程中容易出现误检和漏检的问题,在优化现有SSD(Single Shot MultiBox Detector)目标检测模型的基础上,提出一种新的检测模型RepSSD(Reparametrization, SSD),保证网络的实时性和识别的准确性.为增强骨干网络的特征提取能力,将SSD骨干网络中的卷积层更换为重参数化卷积层,在训练过程加入多分支结构增强网络特征的提取能力,在推理过程中采用重参数化技术简化网络,保持网络的识别速度.为进一步增强改进网络的小目标识别能力,加入CBAM(Convolutional Block Attention Module)注意力机制,强化网络提取到的特征信息.试验结果表明:在德国交通标志识别数据集GTSRB上,RepSSD模型的检测精度达到84.7%,检测速度(FPS)达到110帧每秒,模型具有较好的检测精度和实时性.所提出的RepSSD模型为自动驾驶汽车提供了一种实时且准确的交通标志识别方案.