交通標識検出は交通標識認識システムにおける重要なタスクです。他の国の交通標識と比較して、中国の交通標識には独自の特徴があります。畳み込みニューラルネットワーク（CNN）はコンピュータビジョンタスクにおいて画期的な進歩を遂げ、交通標識分類において大きな成功を収めています。本文では、深層畳み込みネットワークに基づく交通標識検出アルゴリズムを提案します。交通標識のリアルタイム検出を実現するために、YOLOv2にインスパイアされたエンドツーエンドの畳み込みネットワークを提案します。交通標識の特徴を考慮して、ネットワークの中間層に複数の1×1畳み込み層を採用し、最上層で畳み込み層を減らして計算の複雑さを低減します。小さな交通標識を効果的に検出するために、入力画像を密なグリッドに分割して、より細かい特徴マップを取得します。さらに、中国交通標識データセット（CTSD）を拡張し、オンラインで利用可能な標識情報を改善します。拡張後のCTSDとドイツ交通標識検出ベンチマーク（GTSDB）に基づいて評価されたすべての実験結果は、提案手法がより高速でロバストであることを示しています。得られた最速の検出速度は画像1枚あたり0.017秒です。

データソース：

中国交通標識検出データセット（CCTSDB）は、「A Real - Time Chinese Traffic Sign Detection Algorithm based on Modified YOLOv2」という論文で提案された訓練データセットに由来します。

github原文：
CSUST Chinese Traffic Sign Detection Benchmark 中国交通データセットは、長沙理工大学の総合交通輸送ビッグデータ知能処理湖南省重点実験室の張建明先生のチームによって制作されました。
現在までに、画像15734枚がアップロードされ、すべての正解データもアップロードされています。 声明：現在のアノテーションデータは指示標識、禁止標識、警告標識の三大類のみです。
具体的な細分類標準データセットはまだ制作中であるため、一時的に公開されません。後続の更新にご注目ください！
皆さんが研究実験のためにダウンロードする場合は、できるだけ私たちの論文を引用してください。必ず最初の論文を引用してください：
Zhang J, Jin X, Sun J, et al. Spatial and semantic convolutional features for robust visual object tracking. Multimedia Tools and Applications, 2018. https://doi.org/10.1007/s11042 - 018 - 6562 - 8
Zhang J, Huang M, Jin X, et al. A Real - Time Chinese Traffic Sign Detection Algorithm based on Modified YOLOv2. Algorithms, 2017, 10(4):127.
Zhang J, Huang Q, Wu H, et al. Effective traffic signs recognition via kernel PCA network. International Journal of Embedded Systems, 2018, 10(2): 120 - 125.
ご質問があれば：メールを送信してください：jmzhang@csust.edu.cn, lxd@stu.csust.edu.cn

論文要約：
交通標識検出は交通標識認識システムにおける重要なタスクです。他の国の交通標識と比較して、中国の交通標識には独自の特徴があります。畳み込みニューラルネットワーク（CNN）はコンピュータビジョンタスクにおいて画期的な進歩を遂げ、交通標識分類において大きな成功を収めています。本文では、深層畳み込みネットワークに基づく中国交通標識検出アルゴリズムを提案します。中国交通標識のリアルタイム検出を実現するために、YOLOv2にインスパイアされたエンドツーエンドの畳み込みネットワークを提案します。交通標識の特徴を考慮して、ネットワークの中間層に複数の1×1畳み込み層を採用し、最上層で畳み込み層を減らして計算の複雑さを低減します。小さな交通標識を効果的に検出するために、入力画像を密なグリッドに分割して、より細かい特徴マップを取得します。さらに、中国交通標識データセット（CTSD）を拡張し、オンラインで利用可能な標識情報を改善します。拡張後のCTSDとドイツ交通標識検出ベンチマーク（GTSDB）に基づいて評価されたすべての実験結果は、提案手法がより高速でロバストであることを示しています。得られた最速の検出速度は画像1枚あたり0.017秒です。