一种基于SSD算法的交通指示牌目标检测方法技术

针对现存的目标检测的算法对交通指示牌识别准确率低、泛化能力弱和对于小目标不易检测，无法真正地应用在实际的问题，本发明专利技术在SSD算法的基础上使用特征金字塔来替代多尺度特征层来进行检测目标，提供了一种SSD的交通指示牌目标检测方法，该发明专利技术充分利用融合了低层和高层的信息，通过对交通指示牌检测，对于一些小目标更容易检测，提高了检测能力。首先，对图片的数据进行预处理。其次，处理后的数据进行划分训练集与测试集。然后，将算法进行改进。接着将数据用于模型训练。最后训练好的模型进行测试。结果与原始的SSD算法相比较在平均精度上提高了5.4%，保证了对交通指示牌检测的精度，提高了算法的检测性能。

【技术实现步骤摘要】
一种基于SSD算法的交通指示牌目标检测方法
本专利技术属于目标检测与无人驾驶交叉
，具体涉及一种基于SSD算法的交通指示牌目标检测方法。技术背景随着无人驾驶技术的快速发展，无人驾驶也慢慢地进入商用阶段。交通指示牌对车辆安全行驶具有重要的作用，因此对交通指示牌的检测性能的要求也越来越高。传统的方法主要使用梯度方向直方图(HOG)、颜色直方图和边缘特征来构建不同的特征空间，对图片中的交通指示牌的颜色特征和形状特征进行特征提取。但是这些方法其检测准确性低和鲁棒性较差泛化能力弱，对于一些小目标难以检测出来，难以满足人们实际生产应用需求。大规模训练数据集的构建以及硬件计算能力的不断增强和深度学习的不断发展，深度网络结构在不同的视觉任务中取得了巨大的成功。检测算法得到了快速的发展，产生了一系列的目标检测算法，像R-CNN、FastR-CNN、FasterR-CNN、YOLO系列算法和SSD等快速而高精度的深度卷积网络的目标检测算法。与传统的算法不同，对于几何变化、形变、光照深度卷积网络具有一定的不变性，克服了传统方法上的问题，具有一定的泛本文档来自技高网...

【技术保护点】
1.一种基于SSD算法的交通指示牌目标检测方法，其特征在于，包括如下步骤：/n第一步，训练前先将交通指示牌数据集进行处理;/n第二步，对处理好的数据集分别划分成为训练集和测试集;/n第三步，对SSD算法进行改进：SSD的检测方法是通过对多个尺度的特征图进行检测，在此基础上使用特征金字塔代替多尺度特征层进行检测，然后再进行分类与回归获取目标位置，最后通过非极大值抑制得到结果;/n第四步，利用改进的算法进行训练模型;/n第五步，使用训练好的模型对交通指示牌进行检测。/n

【技术特征摘要】
1.一种基于SSD算法的交通指示牌目标检测方法，其特征在于，包括如下步骤：
第一步，训练前先将交通指示牌数据集进行处理;
第二步，对处理好的数据集分别划分成为训练集和测试集;
第三步，对SSD算法进行改进：SSD的检测方法是通过对多个尺度的特征图进行检测，在此基础上使用特征金字塔代替多尺度特征层进行检测，然后再进行分类与回归获取目标位置，最后通过非极大值抑制得到结果;
第四步，利用改进的算法进行训练模型;
第五步，使用训练好的模型对交通指示牌进行检测。


2.根据权利要求1所述的一种基于SSD算法的交通指示牌目标检测方法，其特征在于，将原数据集中在txt文件中的数据标注转换成PASCALVOC的格式。


3.根据权利要求1所述的一种基于SSD算法的交通指示牌目标检测方法，其特征在于，将数据集中的2500张图片按照7:3的比例分为训练集和测试集，训练集为1750张，测试集为750张。


4.根据权利要求1所述的一种基于SSD算法的交通指示牌目标检测方法，其特征在于，将SSD算法中Conv11_2生成的1x1的特征图使用双线插值法进行上采样处理，生成3x3的特征图并对特征图进行卷积，其中卷积核大小为3x3，pading和strip都为1，卷积后生成3...

【专利技术属性】
技术研发人员：陈炳才，刘顺民，马致明，
申请(专利权)人：新疆师范大学，
类型：发明
国别省市：新疆;65