一种图像识别模型训练方法及系统和图像识别方法技术方案

本发明专利技术公开了一种图像识别模型训练方法及系统和图像识别方法，该训练方法包括：采集大量与道路场景相关的图片；所述图片至少包括：车辆、行人、建筑物、地面道路标线、路旁交通标志、道路上方空间的标识及位于道路内的障碍物；每一幅所述图片带有相应的标注框，对所述图片进行预处理；将经预处理后的所述图片，根据预设比例分为训练集和验证集；利用所述训练集和验证集，对搭建的YOLOv4网络模型进行迭代训练，直到损失函数收敛，得到训练后的最优YOLOv4网络模型作为图像识别模型，实现道路场景图像识别。该方法相比传统CNN模型，可降低计算量，且同时不会造成精度上的损失；检测速度更快、实时性更强。实时性更强。实时性更强。

【技术实现步骤摘要】
一种图像识别模型训练方法及系统和图像识别方法


[0001]本专利技术涉及图像识别
，具体涉及一种图像识别模型训练方法及系统和图像识别方法。

技术介绍

[0002]目前深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
[0003]深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。
[0004]而另一项技术自动驾驶，也成为了研究的热点。自动驾驶系统采用先进的通信、计算机、网络和控制技术，对列车实现实时、连续控制。采用现代通信手段，直接面对列车，可实现车地间的双向数据通信，传输速率快，信息量大，后续追踪列车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别模型训练方法，其特征在于，包括：S10、采集大量与道路场景相关的图片；所述图片至少包括：车辆、行人、建筑物、地面道路标线、路旁交通标志、道路上方空间的标识及位于道路内的障碍物；S20、每一幅所述图片带有相应的标注框，对所述图片进行预处理；S30、将经预处理后的所述图片，根据预设比例分为训练集和验证集；S40、利用所述训练集和验证集，对搭建的YOLOv4网络模型进行迭代训练，直到损失函数收敛，得到训练后的最优YOLOv4网络模型作为图像识别模型，实现道路场景图像识别。2.根据权利要求1所述的一种图像识别模型训练方法，其特征在于，每一幅所述图片带有相应的标注框，包括：利用Labelimg软件对所述图片标注成VOC格式，标注每幅图片中的车辆、行人、建筑物、地面道路标线、路旁交通标志、道路上方空间的标识及位于道路内的障碍物。3.根据权利要求2所述的一种图像识别模型训练方法，其特征在于，对所述图片进行预处理，包括：使用Mosaic数据增强方法增加样本的数量。4.根据权利要求3所述的一种图像识别模型训练方法，其特征在于...

【专利技术属性】
技术研发人员：周巍，易华辉，杨帆，李铭，
申请(专利权)人：西安工业大学，
类型：发明
国别省市：