交通标志识别方法、装置、计算机设备及存储介质制造方法及图纸

本申请公开了一种交通标志识别方法、装置、计算机设备及存储介质，该交通标志识别方法包括：获取交通标志图训练样本；基于所述交通标志图训练样本，训练预设的初始识别模型，得到交通标志图训练样本的伪标签样本以及过渡识别模型；基于所述交通标志图训练样本和所述伪标签样本，训练所述过渡识别模型，得到交通标志识别模型；通过所述交通标志识别模型识别交通标志图。本申请实施例通过在真实世界收集的数据的基础上获得伪标签样本，增加样本数量，降低交通标志不同类别间的数据比例，提高交通标示识别的准确性。交通标示识别的准确性。交通标示识别的准确性。

【技术实现步骤摘要】
交通标志识别方法、装置、计算机设备及存储介质


[0001]本申请涉及计算机视觉
，尤其涉及一种交通标志识别方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着科学技术的进步和经济的快速发展，人们的生活水平得到了很大提高，尤其是在交通基础设施日趋完善的今天，汽车也逐渐成为人们日常出行的交通工具。交通标示图像中包含很多重要的指示信息，如限制驾驶行为、限制车速、指示路线和救助等，高效的交通标志识别方法能够为驾驶员安全驾驶提供极大的帮助。
[0003]交通标示识别有以下特点：1、交通标示识别类别数量大；2、标示牌各类别间差异不大，难以分辨；3、各类标示牌出现的频率差异十分大，存在大量罕有出现的标示牌，不同类别间的数据比例甚至会高达10000:1；4、真实世界收集的数据大部分尺寸偏小且模糊，放大后更加不清晰。
[0004]现有技术中的交通标示识别方法是在真实世界收集的数据的基础上进行增广，仍无法解决由于不同类别间数据比例过大，导致交通标示识别不准确的技术问题。

技术实现思路

[0005]本专利技术实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通标志识别方法，其特征在于，包括：获取交通标志图训练样本；基于所述交通标志图训练样本，训练预设的初始识别模型，得到交通标志图训练样本的伪标签样本以及过渡识别模型；基于所述交通标志图训练样本和所述伪标签样本，训练所述过渡识别模型，得到交通标志识别模型；通过所述交通标志识别模型识别交通标志图。2.根据权利要求1所述的交通标志识别方法，其特征在于，所述交通标志图训练样本包括交通标志图真实样本和交通标志图增广样本，所述获取交通标志图训练样本包括：获取交通标志图真实样本；提取所述交通标志图真实样本的特征；将所述交通标志图真实样本的特征映射至预设训练数据，生成交通标志图映射样本；对所述交通标志图映射样本进行增广处理，得到交通标志图增广样本。3.根据权利要求2所述的交通标志识别方法，其特征在于，所述对所述交通标志图映射样本进行增广处理,得到交通标志图增广样本具体为：对所述交通标志图映射样本进行平移、缩放、翻转、旋转、裁剪中的至少一种，得到交通标志图增广样本。4.根据权利要求3所述的交通标志识别方法，其特征在于，所述交通标志图增广样本数量大于所述交通标志图真实样本数量，所述交通标志图真实样本数量大于所述伪标签样本数量。5.根据权利要求1所述的交通标志识别方法，其特征在于，所述初始识别模型为卷积神经网络模型；所述基于所述交通标志图训练样本和所述伪标签样本，训练所述初始识别模型，得到训练后的交通标志识别模型包括：在基于所述交通标志图训练样本和所述伪标签样本，训练所述初始识别模型时，选择平滑损失函数作为所述卷积神经网络模型中损失层的目标函数，当所述平滑损失函数收敛时完成对所述卷...

【专利技术属性】
技术研发人员：冯昊楠，童星，刘钰纯，刘文龙，
申请(专利权)人：深圳市丰驰顺行信息技术有限公司，
类型：发明
国别省市：