一种基于小目标特征增强的交通标志检测方法技术

本发明专利技术公开了一种基于小目标特征增强的交通标志检测方法，主要包括以下步骤：构建交通标志数据集并进行数据增强；针对数据集中检测目标尺寸小，使用K

【技术实现步骤摘要】
一种基于小目标特征增强的交通标志检测方法


[0001]本专利技术涉及目标检测
，尤其涉及一种基于小目标特征增强的交通标志检测方法。

技术介绍

[0002]随着人工智能技术的快速发展，智能驾驶行业也发展迅速，特别是深度学习的发展使得车辆在感知、定位等方面取得了巨大的成功。
[0003]交通标志包含重要的道路交通信息，属于车辆环境感知的重要一部分，交通标志的检测准确率是算法可以实际部署到车辆上一个重要的衡量指标。
[0004]在现有的检测方法中，重要分为两类。第一类是以Faster
‑
Rcnn为代表的two
‑
stage检测算法，该类算法将整个检测过程分为两部分，第一步是训练RPN网络，第二步是训练目标区域检测的网络。第二类是以SSD和Yolo为代表的one
‑
stage检测算法，该类检测算法直接通过主干网络给出类别和位置信息。two
‑
stage算法虽然精度相较与one
‑
stage算法高，但其速度达不到实时性的要求，而Yolov5作为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小目标特征增强的交通标志检测方法，其特征在于：具体包括以下步骤：构建交通标志数据集并进行数据增强；优化构建Anchor Box的聚类算法；优化网络结构增强交通标志细粒度特征；优化网络结构增强交通标志通道特征；针对正负样本失衡严重设计损失函数；对改进后的交通标志检测算法进行效果评估。2.根据权利要求1所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的构建交通标志数据集并进行数据增强，具体内容如下：选取公开数据集TT100K作为研究对象，通过对数据集进行分析，包括数据集中目标尺寸以及每张图像中目标个数进行统计，得到数据集中正负样本失衡的特点；针对分析得到的数据集正负样本失衡严重问题，使用小目标复制的方法进行数据增强。3.根据权利要求2所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的使用小目标复制的方法进行数据增强，具体内容如下：首先根据数据集的label文件裁剪数据集中所有尺寸小于50*50的目标；其次根据类别统计每类目标的数量，得到n1，n2，n3，......，n
45
，即每类目标的数量，以及被裁剪下的目标的总数n；进一步计算得到n
i
与n之间的差值m
i
，即m
i
＝n
‑
n
i
，对所有的m
i
做归一化，即计算m＝Σm
i
，p
i
＝m
i
/m，每一个概率p
i
都占据(0，1)中的一段区间，在选择目标进行复制时，选取一个(0，1)之间的随机数r，r落在了哪个概率区间，即选择哪一类目标进行复制。4.根据权利要求1所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的优化构建Anchor Box的聚类算法，具体内容如下：使用K
‑
means++聚类算法对标注文件中的目标尺寸聚类，得到9个Anchor box，其聚类距离公式为：其中，S
center
表示当前该聚类中心的面积，S
box
表示当前待分类的框的面积。5.根据权利要求1所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的优化网络结构增强交通标志细粒度特征，具体如下：通过引入BiFPN结构，在进行不同尺寸特征图融合时，考虑不同尺寸特征包含的信息对最终结果的影响程度不同，引入的加权融合的方法去融合细粒度特征明显的底层特征图。6.根据权利要求1所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的优化网络结构增强交通标志通道特征，具体如下：引入SE结构，首先是将该层尺寸为W*H*C的特征图输入进行压缩操作，即做一个全局平均池化，得到一...

【专利技术属性】
技术研发人员：田艳雪，任毅龙，张俊杰，杨灿，于海洋，
申请(专利权)人：北京航空航天大学合肥创新研究院北京航空航天大学合肥研究生院，
类型：发明
国别省市：