【技术实现步骤摘要】
本专利技术实施例涉及模式识别，尤其涉及一种针对路面车辆识别的多尺寸目标精确识别方法及设备。
技术介绍
1、自动驾驶在实际的应用中具有非常重要的意义，由于自动驾驶没有人为驾驶的干预，车辆之间利用相互采集的数据来规划行驶策略，从根源上解决了交通堵塞的问题。自动驾驶中安全行驶的基础是对周围行人和车辆快速且准确的进行检测，为车辆后续决策提供信息依据。其中，行人和车辆的检测主要通过采集到的视频或图片进行特征提取，再根据提取得到的特征判断视频或图片中是否包含行人和车辆，并确定行人与车辆的具体位置。而基于深度学习的行人与车辆检测算法由于其对图像的处理存在固有的优势，因此基于深度学习的车辆检测算法在该领域已经成为一种主流的技术手段。然而，相关技术手段在实际应用中对第二尺寸目标的检测效果并不能满足要求，并且在移动端设备正在移动的状态下其检测精度与检测速率也不能达到无人驾驶的安全标准。因此，开发一种针对路面车辆识别的多尺寸目标精确识别方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。
技术实现思路
1、针对现有技术存在的上述问题，本专利技术实施例提供了一种针对路面车辆识别的多尺寸目标精确识别方法及设备。
2、第一方面，本专利技术的实施例提供了一种针对路面车辆识别的多尺寸目标精确识别方法，包括：剔除原型神经网络的最后一个卷积层及全链接层，并采用补充神经网络的第一池化层替换原型神经网络的第二池化层，得到第一中间神经网络；在第一中间神经网络的第二尺寸目标提取环节之前，加
3、在上述方法实施例内容的基础上，本专利技术实施例中提供的针对路面车辆识别的多尺寸目标精确识别方法，所述得到第一中间神经网络之后，还包括：第一中间神经网络的head网络从第四mbconv阶段、第五mbconv阶段及第六mbconv阶段分别提取特征信息。
4、在上述方法实施例内容的基础上，本专利技术实施例中提供的针对路面车辆识别的多尺寸目标精确识别方法，所述第一中间神经网络的head网络从第四mbconv阶段、第五mbconv阶段及第六mbconv阶段分别提取特征信息，包括：从所述第四mbconv阶段提取的特征信息为第二尺寸目标的特征信息；从所述第五mbconv阶段提取的特征信息为第三尺寸目标的特征信息；从第六mbconv阶段提取的特征信息为第四尺寸目标的特征信息。
5、在上述方法实施例内容的基础上，本专利技术实施例中提供的针对路面车辆识别的多尺寸目标精确识别方法，所述在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，包括：从第一中间神经网络的第三fused mbconv层后加入所述第一尺寸目标提取环节，对第一尺寸目标的特征信息进行提取。
6、在上述方法实施例内容的基础上，本专利技术实施例中提供的针对路面车辆识别的多尺寸目标精确识别方法，所述对第二中间神经网络进行梯度噪声滤波，包括：采用多残差并行模块替换第二中间神经网络中的信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除，得到具备预定梯度的第三中间神经网络。
7、在上述方法实施例内容的基础上，本专利技术实施例中提供的针对路面车辆识别的多尺寸目标精确识别方法，所述采用多残差并行模块替换第二中间神经网络中的信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除，包括：采用四个多残差并行模块替换第二中间神经网络中的四个信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除。
8、在上述方法实施例内容的基础上，本专利技术实施例中提供的针对路面车辆识别的多尺寸目标精确识别方法，所述采用多残差并行模块替换第二中间神经网络中的信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除，包括：采用三个多残差并行模块替换第二中间神经网络中的三个信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除。
9、第二方面，本专利技术的实施例提供了一种针对路面车辆识别的多尺寸目标精确识别装置，包括：第一主模块，用于实现剔除原型神经网络的最后一个卷积层及全链接层，并采用补充神经网络的第一池化层替换原型神经网络的第二池化层，得到第一中间神经网络；第二主模块，用于实现在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，得到第二中间神经网络；第三主模块，用于实现对第二中间神经网络进行梯度噪声滤波，得到具备预定梯度的第三中间神经网络，采用第三中间神经网络对路面车辆进行识别。
10、第三方面，本专利技术的实施例提供了一种电子设备，包括：
11、至少一个处理器、至少一个存储器和通信接口；其中，
12、所述处理器、存储器和通信接口相互间进行通信；
13、所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，执行第一方面的各种实现方式中任一种实现方式所提供的针对路面车辆识别的多尺寸目标精确识别方法。
14、第四方面，本专利技术的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的针对路面车辆识别的多尺寸目标精确识别方法。
15、本专利技术实施例提供的针对路面车辆识别的多尺寸目标精确识别方法及设备，通过采用补充神经网络的池化层替换原型神经网络的池化层，降低了参数数量并提高了帧频，便于移动端平台兼容算法，然后在网络的相应位置添加较小尺寸目标提取环节，增强了网络对较小尺寸目标的识别精度，最后对网络进行梯度噪声滤波，克服了网络层数过多引起的梯度消失的缺陷，可以实现移动端在街道环境下对全尺寸车辆目标的精确识别，且检测效率能够满足路面无人驾驶对检测实时性的要求。
本文档来自技高网...【技术保护点】
1.一种针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，包括：剔除原型神经网络的最后一个卷积层及全链接层，并采用补充神经网络的第一池化层替换原型神经网络的第二池化层，得到第一中间神经网络；在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，得到第二中间神经网络；对第二中间神经网络进行梯度噪声滤波，得到具备预定梯度的第三中间神经网络，采用第三中间神经网络对路面车辆进行识别。
2.根据权利要求1所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述得到第一中间神经网络之后，还包括：第一中间神经网络的Head网络从第四MBConv阶段、第五MBConv阶段及第六MBConv阶段分别提取特征信息。
3.根据权利要求2所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述第一中间神经网络的Head网络从第四MBConv阶段、第五MBConv阶段及第六MBConv阶段分别提取特征信息，包括：从所述第四MBConv阶段提取的特征信息为第二尺寸目标的特征信息；从所述第五MBConv阶段提取的特征信息为第三尺寸目标的特征信息；从
4.根据权利要求3所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，包括：从第一中间神经网络的第三Fused MBConv层后加入所述第一尺寸目标提取环节，对第一尺寸目标的特征信息进行提取。
5.根据权利要求4所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述对第二中间神经网络进行梯度噪声滤波，包括：采用多残差并行模块替换第二中间神经网络中的信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除，得到具备预定梯度的第三中间神经网络。
6.根据权利要求5所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述采用多残差并行模块替换第二中间神经网络中的信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除，包括：采用四个多残差并行模块替换第二中间神经网络中的四个信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除。
7.根据权利要求5所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述采用多残差并行模块替换第二中间神经网络中的信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除，包括：采用三个多残差并行模块替换第二中间神经网络中的三个信息拆分单残差模块，对第二中间神经网络中的梯度噪声进行滤除。
8.一种针对路面车辆识别的多尺寸目标精确识别装置，其特征在于，包括：第一主模块，用于实现剔除原型神经网络的最后一个卷积层及全链接层，并采用补充神经网络的第一池化层替换原型神经网络的第二池化层，得到第一中间神经网络；第二主模块，用于实现在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，得到第二中间神经网络；第三主模块，用于实现对第二中间神经网络进行梯度噪声滤波，得到具备预定梯度的第三中间神经网络，采用第三中间神经网络对路面车辆进行识别。
9.一种电子设备，其特征在于，包括：
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使计算机执行权利要求1至7中任一项权利要求所述的方法。
...【技术特征摘要】
1.一种针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，包括：剔除原型神经网络的最后一个卷积层及全链接层，并采用补充神经网络的第一池化层替换原型神经网络的第二池化层，得到第一中间神经网络；在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，得到第二中间神经网络；对第二中间神经网络进行梯度噪声滤波，得到具备预定梯度的第三中间神经网络，采用第三中间神经网络对路面车辆进行识别。
2.根据权利要求1所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述得到第一中间神经网络之后，还包括：第一中间神经网络的head网络从第四mbconv阶段、第五mbconv阶段及第六mbconv阶段分别提取特征信息。
3.根据权利要求2所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述第一中间神经网络的head网络从第四mbconv阶段、第五mbconv阶段及第六mbconv阶段分别提取特征信息，包括：从所述第四mbconv阶段提取的特征信息为第二尺寸目标的特征信息；从所述第五mbconv阶段提取的特征信息为第三尺寸目标的特征信息；从第六mbconv阶段提取的特征信息为第四尺寸目标的特征信息。
4.根据权利要求3所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述在第一中间神经网络的第二尺寸目标提取环节之前，加入第一尺寸目标提取环节，包括：从第一中间神经网络的第三fused mbconv层后加入所述第一尺寸目标提取环节，对第一尺寸目标的特征信息进行提取。
5.根据权利要求4所述的针对路面车辆识别的多尺寸目标精确识别方法，其特征在于，所述对第二中间神经网络进行梯度噪声滤波...
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。