本申请涉及了一种识别交通标志牌的方法、装置和电子设备。该识别交通标志牌的方法包括：获得图像信息，图像信息包括交通标志牌的图像；利用经训练的标志牌识别模型处理图像信息，确定并且输出交通标志牌的顶点坐标信息；其中，标志牌识别模型包括至少一个高分辨率特征提取分支和至少一个低分辨率特征提取分支，分别用于提取具有高分辨率的特征图和低分辨率的特征图，高分辨率特征提取分支中的特征提取模块包括的模型参数数量，大于低分辨率特征提取分支中的特征提取模块包括的模型参数数量。本申请能够降低模型参数的数量，提升识别效率。效率。
【技术实现步骤摘要】
识别交通标志牌的方法、装置和电子设备
[0001]本申请涉及人工智能
，尤其涉及一种识别交通标志牌的方法、装置和电子设备。
技术介绍
[0002]随着计算机技术和人工智能技术的快速发展，人工智能技术被应用到越来越多的场景中，如识别交通标志牌等。
[0003]然而，申请人发现相关技术用于识别交通标志牌的模型体量过大，并且识别效率有待提升。
技术实现思路
[0004]为解决或部分解决相关技术中存在的问题，本申请提供一种识别交通标志牌的方法、装置和电子设备，能够在有效减小模型体量的基础上提升识别交通标志牌的效率。
[0005]本申请的第一个方面提供了一种识别交通标志牌的方法，包括：获得图像信息，图像信息包括交通标志牌的图像；利用经训练的标志牌识别模型处理图像信息，确定并且输出交通标志牌的顶点坐标信息；其中，标志牌识别模型包括至少一个高分辨率特征提取分支和至少一个低分辨率特征提取分支，分别用于提取具有高分辨率的特征图和低分辨率的特征图，高分辨率特征提取分支中的特征提取模块包括的模型参数数量，大于低分辨率特征提取分支中的特征提取模块包括的模型参数数量。
[0006]根据本申请的某些实施例，低分辨率特征提取分支中的特征提取模块包括串联的多级瓶颈结构，多级瓶颈结构的级数与低分辨率特征提取分支提取的特征图的分辨率之间负相关。
[0007]根据本申请的某些实施例，至少一个高分辨率特征提取分支包括：第一分支和第二分支，第一分支和第二分支提取的特征图的分辨率依次降低，和/或，至少一个低分辨率特征提取分支包括：第三分支和第四分支，第三分支和第四分支提取的特征图的分辨率依次降低。
[0008]根据本申请的某些实施例，第二分支中的特征提取模块包括的残差结构的数量大于第一分支中的特征提取模块包括的残差结构的数量。
[0009]根据本申请的某些实施例，利用经训练的标志牌识别模型处理图像信息，确定并且输出交通标志牌的顶点坐标信息，包括：通过输入层输入图像信息；通过至少一个高分辨率特征提取分支和至少一个低分辨率特征提取分支分别处理图像信息，得到多尺度融合的交通标志牌特征；通过输出层处理多尺度融合的交通标志牌特征，确定并且输出交通标志牌的顶点坐标信息。
[0010]根据本申请的某些实施例，至少一个高分辨率特征提取分支中的至少部分分支与输入层相连，至少一个高分辨率特征提取分支中的至少部分分支与输出层相连，低分辨率特征提取分支各自包括串联的多级特征提取模块，不同特征提取分支中相同级的特征提取
模块与下一相同级的特征提取模块之间分别相连。
[0011]根据本申请的某些实施例，至少一个高分辨率特征提取分支分别与输入层相连，至少一个低分辨率特征提取分支分别与输入层相连，至少一个高分辨率特征提取分支和至少一个低分辨率特征提取分支各自包括的特征提取模块的级数相同；或者至少一个高分辨率特征提取分支分别与输入层相连，至少一个低分辨率特征提取分支分别与输入层相连，至少一个低分辨率特征提取分支各自包括的特征提取模块的级数，大于至少一个高分辨率特征提取分支各自包括的特征提取模块的级数。
[0012]根据本申请的某些实施例，上述方法还包括：基于交通标志牌的顶点坐标信息从图像信息中获取交通标志牌图像；对交通标志牌图像进行识别，得到交通标志信息。
[0013]本申请的第二方面提供了一种识别交通标志牌的装置，包括：图像信息获得模块和顶点坐标信息输出模块。其中，图像信息获得模块用于获得图像信息，图像信息包括交通标志牌的图像；顶点坐标信息输出模块用于利用经训练的标志牌识别模型处理图像信息，确定并且输出交通标志牌的顶点坐标信息；其中，标志牌识别模型包括至少一个高分辨率特征提取分支和至少一个低分辨率特征提取分支，分别用于提取具有高分辨率的特征图和低分辨率的特征图，高分辨率特征提取分支中的特征提取模块包括的模型参数数量，大于低分辨率特征提取分支中的特征提取模块包括的模型参数数量。
[0014]本申请的第三方面提供了一种电子设备，包括：处理器；存储器，其上存储有可执行代码，当上述可执行代码被处理器执行时，使得处理器执行上述方法。
[0015]本申请的第四方面还提供了一种计算机可读存储介质，其上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行上述方法。
[0016]本申请的第五方面还提供了一种计算机程序产品，包括可执行代码，可执行代码被处理器执行时实现上述方法。
[0017]本申请提供的识别交通标志牌的方法、装置和电子设备，通过高分辨率特征提取分支提取具有高分辨率的特征图，通过低分辨率特征提取分支提取具有低分辨率的特征图，使得能够从图像信息中分别提取具有不同尺寸的交通标志牌的顶点坐标，提升识别准确度。此外，在低分辨率特征提取分支中的特征提取模块包括较少的模型参数数量，有效降低了标志牌识别模型的体量，并且有助于提升交通标志牌识别速度。
[0018]本申请提供的识别交通标志牌的方法、装置和电子设备，低分辨率特征提取分支中的特征提取模块包括串联的多级瓶颈结构，有效减少了模型参数的数量，并且提升了通过特征提取模块得到的特征图的感受野大小。本申请能够有效提升图像中交通标志牌的识别效果，尤其对于由搭载于移动终端的拍摄装置拍摄得到的图像，识别效果更加明显。
[0019]本申请提供的识别交通标志牌的方法、装置和电子设备，通过使用瓶颈结构来构建低分辨率特征提取分支中的特征提取模块，在有效减少模型参数数量的同时，还可以有效减少因为梯度弥散或者梯度爆炸导致的：模型识别准确度随着网络深度过深而下降的问题。
[0020]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0021]通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
[0022]图1示意性示出了根据本申请实施例的可以应用识别交通标志牌的方法、装置和电子设备的一种示例性系统架构；
[0023]图2示意性示出了根据本申请实施例的识别交通标志牌的应用场景示意图；
[0024]图3示意性示出了根据本申请实施例的识别交通标志牌的方法的流程图；
[0025]图4示意性示出了根据本申请实施例的特征提取模块的一种结构示意图；
[0026]图5示意性示出了根据本申请实施例的特征提取模块的另一种结构示意图；
[0027]图6示意性示出了根据本申请实施例的标志牌识别模型的一种结构示意图；
[0028]图7示意性示出了根据本申请实施例的标志牌识别模型的另一种结构示意图；
[0029]图8示意性示出了根据本申请实施例的标志牌识别模型的另一种结构示意图；
[0030]图9示意性示出了根据本申请实施例的识别交通标志牌的装置的方框图；
[0031]图10示意性示出了根据本申请实施例的一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种识别交通标志牌的方法，其特征在于，包括：获得图像信息，所述图像信息包括交通标志牌的图像；利用经训练的标志牌识别模型处理所述图像信息，确定并且输出所述交通标志牌的顶点坐标信息；其中，所述标志牌识别模型包括至少一个高分辨率特征提取分支和至少一个低分辨率特征提取分支，分别用于提取具有高分辨率的特征图和低分辨率的特征图，高分辨率特征提取分支中的特征提取模块包括的模型参数数量，大于低分辨率特征提取分支中的特征提取模块包括的模型参数数量。2.根据权利要求1所述的方法，其特征在于，所述低分辨率特征提取分支中的特征提取模块包括串联的多级瓶颈结构，多级瓶颈结构的级数与低分辨率特征提取分支提取的特征图的分辨率之间负相关。3.根据权利要求2所述的方法，其特征在于：至少一个高分辨率特征提取分支包括：第一分支和第二分支，所述第一分支和所述第二分支提取的特征图的分辨率依次降低；和/或至少一个低分辨率特征提取分支包括：第三分支和第四分支，所述第三分支和所述第四分支提取的特征图的分辨率依次降低。4.根据权利要求3所述的方法，其特征在于：所述第二分支中的特征提取模块包括的残差结构的数量大于所述第一分支中的特征提取模块包括的残差结构的数量。5.根据权利要求1所述的方法，其特征在于，所述利用经训练的标志牌识别模型处理所述图像信息，确定并且输出所述交通标志牌的顶点坐标信息，包括：通过输入层输入图像信息；通过至少一个高分辨率特征提取分支和至少一个低分辨率特征提取分支分别处理所述图像信息，得到多尺度融合的交通标志牌特征；通过输出层处理所述多尺度融合的交通标志牌特征，确定并且输出所述交通标志牌的顶点坐标信息。6.根据权利要求5所述的方法，其特征在于，至少一个所述高分辨率特征提取分支中的至少部分分支与所述输入层相连，至少一个所述高分辨率特征提取分支中的...
【专利技术属性】
技术研发人员：李耀萍，贾双成，朱磊，单国航，
申请(专利权)人：智道网联科技北京有限公司，
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。