【技术实现步骤摘要】
交通指示对象的识别方法和目标检测模型的训练方法
[0001]本公开涉及人工智能领域,具体涉及图像处理、计算机视觉和深度学习
,尤其涉及目标检测、智能交通和智慧城市等场景。
技术介绍
[0002]随着计算机技术和网络技术的发展,深度学习技术在众多领域得到了广泛应用。例如,可以采用深度学习技术对道路中的要素进行识别,以根据识别结果进行地图的更新。
技术实现思路
[0003]本公开旨在提供一种能够应用于终端的交通指示对象的识别方法,以及得到轻量级模型的目标检测模型的训练方法。
[0004]根据本公开的一个方面,提供了一种交通指示对象的识别方法,包括:采用目标检测模型包括的骨干网络提取道路图像在至少两个感受野下的特征图,得到至少两个特征图;采用目标检测模型包括的至少两个预测网络对至少两个特征图分别进行处理,得到至少两组检测结果;以及响应于根据至少两组检测结果确定道路图像中包括交通指示对象,确定交通指示对象在道路图像中的位置信息和交通指示对象的类别信息,其中,骨干网络是基于轻量级网络构建的。
[0005]根据本公开的一个方面,提供了一种目标检测模型的训练方法,包括:采用待训练模型包括的骨干网络提取样本图像在至少两个感受野下的特征图,得到至少两个第一特征图;样本图像包括交通指示对象,且样本图像对应有交通指示对象的真值类别信息和真值位置信息;采用待训练模型包括的至少两个预测网络对至少两个第一特征图分别进行处理,得到至少两组第一检测结果;根据至少两组第一检测结果,确定交通指示对象在样本图像中的第 ...
【技术保护点】
【技术特征摘要】
1.一种交通指示对象的识别方法,包括:采用目标检测模型包括的骨干网络提取道路图像在至少两个感受野下的特征图,得到至少两个特征图;采用所述目标检测模型包括的至少两个预测网络对所述至少两个特征图分别进行处理,得到至少两组检测结果;以及响应于根据所述至少两组检测结果确定所述道路图像中包括交通指示对象,确定所述交通指示对象在所述道路图像中的位置信息和所述交通指示对象的类别信息,其中,所述骨干网络是基于轻量级网络构建的。2.根据权利要求1所述的方法,其中,所述骨干网络包括逐级连接的多级采样子网络;所述采用目标检测模型包括的骨干网络提取道路图像在至少两个感受野下的特征图包括:将所述道路图像输入所述骨干网络,由所述多级采样子网络中依次连接的至少两级采样子网络依次输出所述至少两个特征图,其中,所述多级采样子网络中,目标采样子网络及其前一级采样子网络输出的特征图为在相同感受野下的特征图。3.根据权利要求1或2所述的方法,其中:所述骨干网络包括逐级连接的四级采样子网络;所述骨干网络的宽度比例为小于1的值。4.根据权利要求1所述的方法,其中,所述类别信息指示所述交通指示对象属于多个预定类别中各类别的概率;所述多个预定类别包括交通标志牌类别;所述方法还包括:响应于根据所述类别信息确定所述交通指示对象为所述交通标志牌类别,根据所述位置信息裁剪所述道路图像,得到目标图像;以及采用分类模型对所述目标图像进行分类处理,得到所述交通指示对象的子类别信息,其中,所述交通标志牌类别包括多个子类别,所述子类别信息指示所述交通指示对象属于所述多个子类别中各类别的概率;所述分类模型是基于轻量级网络构建的。5.根据权利要求1所述的方法,还包括:响应于根据确定所述道路图像中包括交通指示对象,向服务端发送所述道路图像、所述位置信息和所述类别信息。6.根据权利要求1所述的方法,其中:所述交通指示对象包括以下至少两种类别的对象:交通标志牌、事故指示牌和至少一种施工指示对象;所述骨干网络基于ShuffleNet系列网络构建得到。7.一种目标检测模型的训练方法,包括:采用待训练模型包括的骨干网络提取样本图像在至少两个感受野下的特征图,得到至少两个第一特征图;所述样本图像包括交通指示对象,且所述样本图像对应有所述交通指示对象的真值类别信息和真值位置信息;采用所述待训练模型包括的至少两个预测网络对所述至少两个第一特征图分别进行处理,得到至少两组第一检测结果;根据所述至少两组第一检测结果,确定所述交通指示对象在所述样本图像中的第一位置信息和所述交通指示对象的第一类别信息;以及
根据所述第一位置信息与所述真值位置信息之间的差异以及所述第一类别信息与所述真值类别信息之间的差异,训练所述待训练模型,得到所述目标检测模型,其中,所述骨干网络是基于轻量级网络构建的。8.根据权利要求7所述的方法,还包括:采用所述骨干网络提取道路图像在至少两个感受野下的特征图,得到至少两个第二特征图;采用所述至少两个预测网络对所述至少两个第二特征图分别进行处理,得到至少两组第二检测结果;响应于根据所述至少两组第二检测结果确定所述道路图像中包括交通指示对象,确定所述交通指示对象在所述道路图像中的第二位置信息和所述交通指示对象的第二类别信息;以及根据所述第二类别信息、所述第二位置信息和所述道路图像,生成所述样本图像,其中,所述第二类别信息指示所述交通指示对象属于多个预定类别中各类别的概率。9.根据权利要求7所述的方法,其中,所述根据所述第一位置信息与所述真值位置信息之间的差异以及所述第一类别信息与所述真值类别信息之间的差异,训练所述待训练模型,得到所述目标检测模型包括:根据所述第一位置信息与所述真值位置信息之间的差异、所述第一类别信息与所述真值类别信息之间的差异,以及为多个预定类别分配的预定权重,确定所述待训练模型的损失值;以及根据所述损失值,训练所述待训练模型,其中,为所述多个预定类别中尾部类别分配的预定权重大于为所述多个预定类别中其他类别分配的预定权重。10.一种交通指示对象的识别装置,包括:特征提取模块,用于采用目标检测模型包括的骨干网络提取道路图像在至少两个感受野下的特征图,得到至少两个特征图;结果预测模块,用于采用所述目标检测模型包括的至少两个预测网络对所述至少两个特征图分别进行处理,得到至少两组检测结果;以及信息确定模块,用于响应于根据所述至少两组检测结果确定所述道路图像中包括交通指示对象,确定所述交通指示...
【专利技术属性】
技术研发人员:张为明,孙昊,谭啸,
申请(专利权)人:北京百度网讯科技有限公司,
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。