【技术实现步骤摘要】
一种基于深度学习的轻量级雾天车辆检测方法
[0001]本专利技术涉及自动驾驶
,具体为一种基于深度学习的轻量级雾天车辆检测方法。
技术介绍
[0002]随着自动驾驶技术与汽车制造业的高速发展,道路上具备自动驾驶功能的车辆数目愈发增多,在自动驾驶车辆行驶过程中,准确地检测出道路上的车辆位置和行驶状态是确保车辆安全行驶的关键功能之一,雾天会降低能见度,导致车载摄像头无法检测到周围车辆的位置和行驶状态,进而容易引起交通事故,因此,在雾天下进行车辆检测,可以及时发现并避免潜在的碰撞风险,对于确保自动驾驶车辆的安全行驶至关重要,同时也有助于交通管理部门获取道路上实时的车流信息,了解道路上的车辆密度从而优化交通信号灯的控制和调整,改善道路交通流量,减少拥堵现象。
[0003]中国专利202210158525.2一种基于暗通道法的雾天车辆检测方法,该方法首先通过车载摄像头采集雾天图像,将采集到的雾天图像划分为车辆区域和非车辆区域,将车辆区域的图像进行去雾处理,使用训练好的Faster
‑
Rcnn模型对去雾后的雾天图像进行检测,得出图像中车辆的具体位置和准确率,该方法没有对去雾算法和车辆检测算法进行改进,而是直接采用暗通道算法和Faster
‑
Rcnn算法,该方法去雾后图像颜色失真,并且对车辆检测的准确率较低。
[0004]中国专利201910633933.7一种雾天环境中的车辆检测方法及装置,该方法首先将采集到的交通图像进行灰度化,将灰度化的图像进行分割,找出亮度最大的区域 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的轻量级雾天车辆检测方法,包括以下步骤:步骤S1:获取RESIDE中的OTS数据集;步骤S2:从OTS数据集中选取10000张图片,按照9:1的比例分为训练集和验证集;步骤S3:建立基于动态卷积核的去雾网络模型,学习率初始化为0.0001,batchsize设为16,优化器采用Adam优化器,使用MS
‑
SSIM损失函数计算误差,利用步骤S2中的训练数据集训练去雾网络模型,直至网络收敛,得到最佳的网络模型权重;步骤S4:将车载摄像头采集的雾天交通图像输入至训练好的去雾网络模型中,得到去雾后的交通图像;步骤S5:将KITTI车辆检测数据集转换为VOC格式,利用该数据集对改进后的YOLOv7车辆检测模型进行训练得到训练模型,将YOLOv7主干网络C3中普通卷积替换为深度可分离卷积(Depth
‑
wise Separable Convolution)来减小模型的参数量和计算复杂度,减少车辆检测所有时间;步骤S6:将去雾后的交通图像输入至训练好的车辆检测模型中,得出图像中车辆的具体位置和准确率;所述步骤S5中的基于改进YOLOv7的车辆检测模型。2.根据权利要求1所述的一种基于深度学习的轻量级雾天车辆检测方法,其特征在于:所述步骤S3中的基于动态卷积核的去雾网络模型由多分支特征融合模块、压缩模块、动态残差模块和去雾图像生成模块构成;基于深度学习的轻量级雾天车辆检测模型参数如表1所示,所述去雾图像生成模块由一个unsampling(上采样)和由一个element
‑
wise的乘法层和几个element
‑
wise的加法层组成,输入特征图经过一个unsampling(上采样)是特征图变为原尺寸大小,并输出作为其输入自适应参数,通过式生成恢复的图像;式中,即要恢复的干净图像,即输入的雾霾图像,为自适应参数,为默认值为1的常数偏差。3.根据权利要求2所述的一种基于深度学习的轻量级雾天车辆检测方法,其特征在于:所述多分支特征融合模块由1个1*1卷积、3*3卷积、5*5卷积和7*7卷积并联组成;压缩模块由一个3*3卷积、一个max
‑
pooling(最大池化)和一个Layer Normalization归一化层组成。4.根据权利要求1所述的一种基于深度学习的轻量级雾天车辆检测方法,其特征在于:所述多分支特征融合模块包括如下步骤:首先,车载摄像头采集的雾天交通图像分别经过1个1*1卷积、3*3卷积、5*5卷积和7*7卷积处理后生成四个特征图;然后,四个特征图contact拼接输出为一个特征图;最后,上诉特征图作为下一层网络的输入。5.根据权利要求3所述的一种基于深度学习的轻量级雾天车辆检测方法,其特征在于:所述压缩模块由一个3*3卷积、一个max
‑
pooling(最大池化)和一个Layer Normalization归一化层组成。6.根据权利要求5所述的一种基于深度学习的轻量级雾天车辆检测方法,其特征在于:所述压缩模块包括如下步骤:首先,输入特征图经过一个3*3卷积后通道数变为3;然后,在经过max
‑
pooling(最大池化)和一个Layer Normalization归一化层,让特征
图的尺寸降为原来的一半。7.根据权利要求2所述的一种基于深度学习的轻量级雾天车辆检测方法,其...
【专利技术属性】
技术研发人员:杨泽远,杨刚,陶发展,熊心和,匡海军,何晓鹏,汪洋,汤敏,
申请(专利权)人:重庆市荣冠科技有限公司,
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。