【技术实现步骤摘要】
基于多尺度信息和残差网络的小目标交通标志检测方法
本方法涉及目标检测领域，特别涉及自动驾驶汽车中的辅助驾驶系统。
技术介绍
伴随着汽车的大范围普及，我国交通安全事故发生率也随之逐年上升。使车辆能够自动检测并识别交通标志、获取路面情况可以在很大程度上减轻驾驶员的精神负担、缓解疲劳，保障安全驾驶。交通标志检测是指根据实时图片中交通标志的颜色、形状等特征，定位交通标志的位置，并且对图片中的交通标志进行分类识别，获取交通标志的含义，规范车辆的行驶。交通标志检测是辅助驾驶系统中的核心任务，对小目标交通标志检测的研究具有重要的现实意义。由于国内外大部分交通标志具有规则的形状和易于区分的颜色，所以早期国内外学者多采用图像处理的方法来解决交通标志检测问题。后来随着机器学习的兴起，HOG特征结合SVM分类器等交通标志检测算法不断涌现。而近年来随着神经网络的不断研究和创新，深度学习的方法越来越多地应用到交通标志检测领域，并占据了重要地位。在近年来公布的众多论文、专利中，交通标志检测算法基本都基于深度神经网络。Zang等[1]提出...
【技术保护点】
1.一种基于多尺度信息和残差网络的小目标交通标志检测方法，包括下列步骤：/n第一步，准备包含不同种类交通标志的数据集，划分训练集和测试集。/n第二步，网络搭建，包括特征提取网络、区域生成网络、兴趣区域池化层和全连接层，具体搭建方法如下：/n(1)使用ResNet101作为特征提取网络的骨干：为获取图片的多尺度信息，在特征提取网络中添加3个使用空洞卷积的卷积层并行分支，且这三个卷积层只有空洞卷积的膨胀率不同，共享其他参数，将训练集图片输入特征提取网络，在3个并行分支上生成3个包含不同尺度信息的特征图，将这3个特征图在通道维度上进行连接；/n(2)将上述特征图输入到区域生成网络...
【技术特征摘要】
1.一种基于多尺度信息和残差网络的小目标交通标志检测方法，包括下列步骤：
第一步，准备包含不同种类交通标志的数据集，划分训练集和测试集。
第二步，网络搭建，包括特征提取网络、区域生成网络、兴趣区域池化层和全连接层，具体搭建方法如下：
(1)使用ResNet101作为特征提取网络的骨干：为获取图片的多尺度信息，在特征提取网络中添加3个使用空洞卷积的卷积层并行分支，且这三个卷积层只有空洞卷积的膨胀率不同，共享其他参数，将训练集图片输入特征提取网络，在3个并行分支上生成3个包含不同尺度信息的特征图，将这3个特征图在通道维度上进行连接；
(2)将上述特征图输入到区域生成网络RPN中，对于每个分支的特征图，RPN生成不同的提议区域；
(3)将特征提...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。