【技术实现步骤摘要】
异常交通标志图像识别网络的训练方法及装置
[0001]本申请涉及图像识别
，尤其涉及一种异常交通标志图像识别网络的训练方法及装置。
技术介绍
[0002]自动驾驶系统在控制驾驶过程中，需要对摄像头或雷达获取的交通标志图片进行图像识别，然后依据图像识别的交通标志分类结果对驾驶进行控制。当遇到异常情况时，自动驾驶系统需要对异常交通标志进行识别分类，然后依据异常交通标志的分类结果对驾驶进行控制。
[0003]但是，交通标志图像识别模型一般采用预先训练好的卷积神经网络，需要在出现异常情况时对交通标志图像识别模型进行重新训练，或者切换到新的交通标志图像识别模型对异常交通标志进行图像识别。这样，会增加异常交通标志的识别时间，不利于安全驾驶。
技术实现思路
[0004]有鉴于此，本申请的目的在于提出一种异常交通标志图像识别网络的训练方法及装置。
[0005]基于上述目的，本申请的第一方面提供了一种异常交通标志图像识别网络的训练方法，包括：
[0006]获取交通标志图像作为样本集；
[0...
【技术保护点】
【技术特征摘要】
1.一种异常交通标志图像识别网络的训练方法，其特征在于，包括：获取交通标志图像作为样本集；生成最大长度序列集，将所述最大长度序列集中的每个最大长度序列做正负二值化处理，得到二值化最长序列集；获取交通标志图像识别网络的输入维度，按照所述输入维度对所述二值化最长序列集中的每个二值化最长序列进行截取和维度变换，得到第一后门识别样本集；获取扰动强度倍数，将所述扰动强度倍数与所述第一后门识别样本集中的每个第一后门识别样本中的每个值相乘，得到第二后门识别样本集；将所述第二后门识别样本集中的第二后门识别样本与所述样本集中的样本进行叠加，得到第三识别样本集；调整所述第三识别样本集中的每个第三识别样本的像素值，得到第四识别样本集；获取所述交通标志图像识别网络的激活函数，将所述激活函数作为主要激活函数；利用第四识别样本集、所述样本集和所述主要激活函数训练所述交通标志识别网络，得到异常交通标志图像识别网络。2.根据权利要求1所述的异常交通标志图像识别网络的训练方法，其特征在于，所述生成最大长度序列集，将所述最大长度序列集中的每个最大长度序列做正负二值化处理，包括：初始化寄存器参数集，将所述寄存器参数集作为所述异常交通标志图像识别网络的第一超参数集；采用所述寄存器生成所述最大长度序列集；寻找所述最大长度序列集中的每个所述最大长度序列中的0值；将所述最大长度序列集中的每个所述最大长度序列中的0值替换为
‑
1值，将处理后的所述最大长度序列集作为所述二值化最长序列集。3.根据权利要求1所述的异常交通标志图像识别网络的训练方法，其特征在于，所述获取交通标志图像识别网络的输入维度，按照所述输入维度对所述二值化最长序列集中的每个二值化最长序列进行截取和维度变换，包括：获取所述交通标志图像识别网络的所述输入维度的长度和大小；按照所述输入维度的长度随机截取所述二值化最长序列集中的每个所述二值化最长序列，得到截取序列集；按照所述输入维度的大小对所述截取序列集中的每个截取序列做维度变换处理，将处理后的所述截取序列集作为所述第一后门识别样本集。4.根据权利要求1所述的异常交通标志图像识别网络的训练方法，其特征在于，所述获取扰动强度倍数，将所述扰动强度倍数与所述第一后门识别样本集中的每个第一后门识别样本中的每个值相乘，包括：初始化所述扰动强度倍数，将所述扰动强度倍数作为所述异常交通标志图像识别网络的第一超参数；将所述扰动强度倍数与所述第一后门识别样本集中的每个第一后门识别样本中的每个值相乘，得到相乘结果；将所述第一后门识别样本集替换为所述相乘结果，将处理后的所述第一后门识别样本
集作为所述第二后门识别样本集。5.根据权利要求1所述的异常交通标志图像识别网络的训练方法，其特征在于，所述调整所述第三识别样本集中的每个第三识别样本的像素值，包括：获取所述第三识别样本集中的每个第三识别样本中的第一像素值集；响应于确定所述第一像素值集的第一像素值小于0，设置第一像素值为0；响应于确定所述第一像素值集的第二像素值大于255，设置第二像素值为255。6.根据权利要求1所述的异常交通标志图像识别网络的训练方法，其特征在于，所述利用第四识别样本集、所述样本集和所述主要激活函数训练交通标志...
【专利技术属性】
技术研发人员：王玉龙，王东霞，赵明辉，苏森，徐鹏，双锴，张忠宝，程祥，
申请(专利权)人：中国人民解放军三二八零二部队，
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。