【技术实现步骤摘要】
基于改进的yolov3交通标志识别方法、设备和介质
[0001]本专利技术涉及交通标志识别
，具体涉及基于改进的yolov3交通标志识别方法、设备和介质。
技术介绍
[0002]交通标志检测系统是智能驾驶的一个重要组成部分，通过搭载在汽车上面的摄像头实时对交通道路场景进行拍摄，并将拍摄到的图片传入检测系统进行交通标志检测，为驾驶员提供有效的道路交通信息。提前预测前方的交通信息可以使驾驶员及时地做出判断，增加其反应时间，降低交通事故发生的机率。
[0003]交通标志检测算法主要面临以下挑战：(1)在实际拍摄到的图像中交通标志占比很小，属于小目标，而小目标的相关信息在算法对图像的检测过程中很容易丢失，因此交通标志检测的实现具有较大难度。(2)同类型交通标志之间背景颜色相同，相似度较高，只是具体内容有所不同，因此在实际的检测过程中很难实现对交通标志类别的区分。
[0004]目前深度学习中的目标检测算法很多，基本上是使用CNN(卷积神经网络)来对目标进行检测。根据算法的不同主要分为：two
‑
...
【技术保护点】
【技术特征摘要】
1.基于改进Yolov3的交通标志识别方法，其特征在于，包括以下步骤：S1、获取交通标志检测的图像数据集，对图像数据集进行数据增强处理，将图像数据集分为训练集和图像验证集；S2、改进Yolov3检测网络结构，将Yolov3模型的backbone网络结构改为mobilnetv3模型，将Yolov3模型的损失函数loss修改为focal_loss函数，添加多尺度融合板块结构，得到改进Yolov3模型；S3、利用图像训练集和图像验证集，对改进Yolov3模型进行训练，对训练后的改进Yolov3模型进行评测；S4、将交通标志图像数据输入训练后的改进Yolov3模型，输出交通标志识别结果。2.根据权利要求1所述的基于改进Yolov3的交通标志识别方法，其特征在于，所述交通标志检测的图像数据集为CCTSDB开源数据集，CCTSDB开源数据集包括指示标志、禁止标志和警告标志。3.根据权利要求1所述的基于改进Yolov3的交通标志识别方法，其特征在于，所述对图像数据集进行数据增强处理，包括：对图像数据集进行Mosaic处理，一次性利用4张图片，将4张图片进行随机拼接，每一张图片都有自己对应的框，合并之后成为一张新图片，拼接的时候按照上下左右4个方向分布，互相不影响；对图像数据集进行Mosaic处理，对图像进行混类增强，对图像进行平均，重新计算图像的标签值，将不同类之间的图像进行混合，扩充训练数据集。4.根据权利要求1所述的基于改进Yolov3的交通标志识别方法，其特征在于，所述步骤2包括：将Yolov3模型的backbone网络结构改为mobilnetv3模型，mobiln...
【专利技术属性】
技术研发人员：王传钊，谢乐成，吴锐，
申请(专利权)人：重庆长安汽车股份有限公司，
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。