【技术实现步骤摘要】
一种交通标志识别的方法、装置、存储介质及电子设备
[0001]本说明书涉及自动驾驶领域，尤其涉及一种交通标志识别的方法
、
装置
、
存储介质及电子设备
。
技术介绍
[0002]随着人工智能技术的发展与完善，自动驾驶技术也得到了迅猛的发展
。
自动驾驶技术能够为人们的出行带来极大地便利，逐渐成为了未来发展的热门方向之一
。
在自动驾驶技术的环境感知系统中，对道路周围交通标志的检测与识别是非常重要的一环，能否准确识别出道路周围的交通标志关系着车辆能否进行正确的驾驶操作
。
[0003]目前，现有的交通标志检测与识别方法大致可分为两种，传统方法和基于深度学习的方法
。
传统的交通标志检测与识别方法需要人工干预来提取特征，速度和精度均满足不了自动驾驶技术的需求；基于深度学习的交通标志检测与识别方法可以对图像或视频自动提取特征，且拥有较快的速度和较高的精度，因此逐渐成为了主流
。
[0004]然而，目前主流的基于...
【技术保护点】
【技术特征摘要】
1.
一种交通标志识别的方法，其特征在于，包括：获取各样本图像，针对每个样本图像，该样本图像中包含有交通标志的图像；针对每个样本图像，将该样本图像输入到预先构建出的识别模型中，以通过所述识别模型中包含的各特征嵌入网络层，使用不同的膨胀系数，对确定出的该样本图像对应的基础特征进行膨胀，得到各膨胀图像特征，其中，每个特征嵌入网络层用于使用不同的膨胀系数，对所述基础特征进行特征嵌入；将所述各膨胀图像特征输入到所述识别模型中的识别网络层中，得到该样本图像对应的识别结果；根据所述识别结果以及该样本图像对应的标签结果，对所述识别模型进行训练，得到训练后识别模型，以通过所述训练后识别网络，对获取到的交通图像中所涉及的交通标志进行识别
。2.
如权利要求1所述的方法，其特征在于，针对每个样本图像，将该样本图像输入到预先构建出的识别模型之前，所述方法还包括：将各样本图像中包含的交通标志的图像按照尺度的大小进行聚类，得到各聚类簇；针对每个聚类簇，根据该聚类簇中包含的交通标志的各图像的轮廓信息，确定该聚类簇所对应的图像框，其中，该聚类簇中包含的交通标志的各图像均对应所述图像框；确定该样本图像的基础特征，具体包括：针对每个样本图像，将该样本图像以及该样本图像对应的图像框的框信息输入到预先构建出的识别模型中，以通过所述识别模型中的主干特征提取层，得到该样本图像的初始特征，并根据所述框信息，从所述初始特征中提取出位于所述图像框的图像的图像特征，得到该样本图像的基础特征
。3.
如权利要求1所述的方法，其特征在于，针对每个样本图像，将该样本图像输入到预先构建出的识别模型中，以通过所述识别模型中包含的各特征嵌入网络层，使用不同的膨胀系数，对确定出的该样本图像对应的基础特征进行膨胀，得到各膨胀图像特征，具体包括：针对每个样本图像，将该样本图像输入到预先构建出的识别模型中，以通过所述识别模型确定出该样本图像对应的基础特征；针对每个特征嵌入网络层，将所述基础特征输入到该特征嵌入网络层，以通过该特征嵌入网络层对应的特征划分策略，对所述基础特征进行划分，得到各子基础特征；将所述各子基础特征按照该特征嵌入网络层对应的膨胀系数进行膨胀，得到各膨胀后子基础特征；将所述各膨胀后子基础特征进行聚合，得到该特征嵌入网络层所输出的膨胀图像特征
。4.
如权利要求1所述的方法，其特征在于，根据所述识别结果以及该样本图像对应的标签结果，对所述识别模型进行训练，具体包括：根据所述识别结果，确定所述识别模型识别出的该样本图像中包含的交通标志的图像所在的图像区域位置，以及识别出的所述交通标志的交通标志类别；以最小化所述图像区域位置与该样本图像中包含的交通标志的图像所在的真实区域位置之间的偏差，以及最小化所述交通标志类别与所述交通标志对应的真实类别之间的偏
差为优化目标，对所述识别模型进行训练
。5.
如权利要求4所述的方法，其特征在于，以最小化所述图像区域位置与该样本图像中包含的交通标志的图像所在的真实区域位置之间的偏差，以及最小化所述交通标志类别与所述交通标志对应的真实类别之间的偏差为优化目标，对所...
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。