【技术实现步骤摘要】
信号灯识别模型训练方法、信号灯识别方法及相关装置
[0001]本专利技术实施例涉及图像识别
，尤其涉及一种信号灯识别模型训练方法、信号灯识别方法及相关装置。
技术介绍
[0002]交通信号灯状态的识别技术在车辆自动驾驶、辅助驾驶和行车安全等领域都有广泛的应用，其中，交通信号灯状态识别包括灯框检测、灯框属性识别、灯泡检测、灯泡颜色识别等。
[0003]目前，交通信号灯状态的识别包含多个模型，如灯框检测模型、灯框属性识别模型、灯泡检测模型、灯泡属性识别模型等，并且各个模型是串接形式，即首先通过灯框检测模型将灯框识别出来，然后将灯框从图像中截取出来，然后输入到灯框属性识别模型和灯泡检测模型，灯泡检测模型检测出灯泡之后截取出灯泡区域之后再送入到灯泡属性识别模型中。
[0004]现有交通信号灯识别技术存在多个模型，导致信号灯识别耗时长，并且多个模型串接，传导误差大，识别结果不准确。
技术实现思路
[0005]本专利技术实施例提供一种信号灯识别模型训练方法、信号灯识别方法、装置、计算机设备和存储介质...
【技术保护点】
【技术特征摘要】
1.一种信号灯识别模型训练方法，其特征在于，包括：获取训练数据集，所述训练数据集包括包含信号灯图像区域的训练图像和训练标签；设置参考框，所述参考框表示所述信号灯的灯框与灯泡的从属关系；将所述训练图像输入所述信号灯识别模型中得到检测框的识别结果；根据所述识别结果、所述训练标签以及所述参考框所表示的灯框与灯泡的从属关系计算损失率；根据所述损失率调整所述信号灯识别模型的模型参数。2.根据权利要求1所述的信号灯识别模型训练方法，其特征在于，所述设置参考框，包括：设置与所述信号灯的灯框匹配的灯框参考框，以及设置与所述灯泡匹配的灯泡参考框；根据所述灯框与所述灯泡的位置关系，将所述灯泡参考框设置于所述灯框参考框内以表示所述灯框与所述灯泡的从属关系。3.根据权利要求1所述的信号灯识别模型训练方法，其特征在于，所述将所述训练图像输入所述信号灯识别模型中得到检测框的识别结果，包括：随机选取训练图像输入所述信号灯识别模型中，得到至少一个检测框、所述检测框的位置、所述检测框的分类结果以及属性数据。4.根据权利要求1所述的信号灯识别模型训练方法，其特征在于，所述根据所述识别结果、所述训练标签以及所述参考框所表示的灯框与灯泡的从属关系计算损失率，包括：从所述检测框中确定出分类结果为灯框的第一检测框；基于所述参考框所表示的灯框与灯泡的从属关系确定出从属于所述第一检测框的第二检测框；采用所述第一检测框和第二检测框的识别结果、所述训练标签计算损失率。5.根据权利要求4所述的信号灯识别模型训练方法，其特征在于，所述参考框中灯泡参考框位于灯框参考框内，所述基于所述参考框所表示的灯框与灯泡的从属关系确定出从属于所述第一检测框的第二检测框，包括：将分类结果为灯泡并且位于所述第一检测框内的检测框确定为第二检测框。6.根据权利要求4所述的信号灯识别模型训练方法，其特征在于，所述识别结果包括检测框的位置、所述检测框的分类结果以及属性数据，所述训练标签包括灯框和灯泡的标注框、所述标注框的位置、分类结果以及属性数据，所述采用所述第一检测框和第二检测框的识别结果、所述训练标签计算损失率，包括：采用所述第一检测框的位置、分类结果和属性数据和所述训练标签中所述灯框的标注框的位置、分类结果以及属性数据计算灯框损失率；采用所述第二检测框的位置、分类结果和属性数据以及所述训练标签中所述灯泡的标注框的位置、分类结果以及属性数据计算灯泡损失率；计算所述第一检测框与所述训练标签中所述灯泡的标注框的交并比；计算所述交并比与所述灯泡损失率的乘积；计算所述灯框损失率与所述乘积的和值得到总损失率。7.根据权利要求1
‑
6任一项所述的信号灯识别模型训练方法，其特征在于，所述根据所
述损失率调整所述信号灯识别模型的模型参数，包括：判断所述损失率是否小于预设阈值；若是，停止对所述信号灯识别模型进行训练；若否，根据所述损失率计算梯度，并根据...
【专利技术属性】
技术研发人员：贺章平，陈国斌，李子贺，韩旭，
申请(专利权)人：广州文远知行科技有限公司，
类型：发明
国别省市：
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。