【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、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MBCo...
【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。