System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及图像处理,尤其涉及自动驾驶、计算机视觉、智能交通等,具体而言,本公开涉及一种交通灯检测、目标检测网络训练方法、装置及电子设备。
技术介绍
1、交通灯,有时也称为红绿灯,常指由红、黄、绿三种颜色灯组成用来指挥交通通行的信号灯。
2、交通灯检测是指对交通灯的颜色等状态信息进行检测。交通灯状态检测的准确性,对自动驾驶决策有着重要意义。因此,如何提升交通灯状态检测的准确性,成为了一个重要技术问题。
技术实现思路
1、本公开为了解决上述缺陷中的至少一项,提供了一种交通灯检测、目标检测网络训练方法、装置及电子设备。
2、根据本公开的第一方面,提供了一种交通灯检测方法,该方法包括:
3、获取待处理交通灯图像;
4、对待处理交通灯图像进行目标检测,得到待处理交通灯图像中至少一种对象类别的目标检测框;
5、基于预配置的对象类别的平均特征以及目标检测框内的图像特征,确定目标检测框的置信度。
6、根据本公开的第二方面,提供了一种目标检测网络训练方法,该目标检测网络包括至少两个降维处理层、平均特征提取子网络以及检测头,该方法包括:
7、将样本交通灯图像输入至目标检测网络,目标检测网络包括至少两个降维处理层;
8、获取降维处理层中的目标降维处理层输出的样本目标降维特征,基于样本目标降维特征对相应对象类别的类中心特征进行更新,目标降维处理层为层数满足预设层数要求的降维处理层;
9、获取中心损失
10、基于中心损失以及检测损失对目标检测网络进行模型训练。
11、根据本公开的第三方面,提供了一种目标检测网络,包括:至少两个降维处理层、平均特征提取子网络以及检测头,其中:
12、检测头用于从待处理交通灯图像中提取至少一种对象类别的目标检测框;
13、平均特征提取子网络用于基于目标降维处理层输出的目标降维特征生成对象类别的平均特征,目标降维处理层为层数满足预设层数要求的降维处理层,目标检测框以平均特征用于确定目标检测框的置信度。
14、根据本公开的第四方面,提供了一种交通灯检测装置,该装置包括:
15、待处理交通灯图像获取模块,用于获取待处理交通灯图像;
16、目标检测模块,用于对待处理交通灯图像进行目标检测,得到待处理交通灯图像中至少一种对象类别的目标检测框;
17、置信度确定模块,用于基于预配置的对象类别的平均特征以及目标检测框内的图像特征,确定目标检测框的置信度。
18、根据本公开的第五方面,提供了一种目标检测网络的训练装置,该装置包括:
19、样本交通灯图像输入模块,用于将样本交通灯图像输入至目标检测网络,目标检测网络包括至少两个降维处理层;
20、平均特征更新模块,用于获取降维处理层中的目标降维处理层输出的样本目标降维特征,基于样本目标降维特征对相应对象类别的类中心特征进行更新,目标降维处理层为层数满足预设层数要求的降维处理层;
21、损失获取模块,用于获取中心损失以及检测损失,中心损失是基于样本目标降维特征与相应类别的类中心特征确定,检索损失是基于样本交通灯图像的样本目标检测结果与样本交通灯图像的预标注目标检测结果确定;
22、模型训练模块,用于基于中心损失以及检测损失对目标检测网络进行模型训练。
23、根据本公开的第六方面,提供了一种电子设备,该电子设备包括:
24、至少一个处理器;以及
25、与上述至少一个处理器通信连接的存储器;其中,
26、存储器存储有可被上述至少一个处理器执行的指令,指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行上述交通灯检测或者目标检测网络训练方法。
27、根据本公开的第七方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,该计算机指令用于使计算机执行上述交通灯检测或者目标检测网络训练方法。
28、根据本公开的第八方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现上述目标检测或者交通灯检测网络训练方法。
29、应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种交通灯检测方法,包括:
2.根据权利要求1所述的方法,其中,所述对所述待处理交通灯图像进行目标检测是基于目标检测网络实现,所述目标检测网络包括至少两个降维处理层,所述平均特征是基于所述目标检测网络的训练过程中目标降维处理层输出的目标降维特征生成,所述目标降维处理层为层数满足预设层数要求的所述降维处理层。
3.根据权利要求2所述的方法,其中,所述平均特征是基于所述对象类别的初始化类中心特征与所述目标降维特征的中心损失,对所述初始化类中心特征进行优化得到的。
4.根据权利要求2或3所述的方法,其中,所述对象类别包括以下至少一项:
5.根据权利要求4所述的方法,其中,所述目标检测网络还包括分类子网络,所述方法还包括:
6.根据权利要求5所述的方法,其中,所述分类子网络包括池化层以及全连接层,所述池化层用于对所述目标降维特征进行池化处理得到池化特征,所述全连接层用于对所述池化特征进行分类处理,得到所述目标分类结果。
7.根据权利要求5或6所述的方法,其中,所述目标分类结果包括以下至少一项:
8.根
9.根据权利要求4-8中任一项所述的方法,其中,响应于所述对象类别包括交通灯的灯头形状,所述方法还包括:
10.根据权利要求2-9中任一项所述的方法,其中,所述目标检测网络为一次查看YOLO网络,所述目标降维处理层为所述YOLO网络中特征图金字塔网络FPN的第三层。
11.根据权利要求1-10中任一项所述的方法,其中,所述基于预配置的所述对象类别的平均特征以及所述目标检测框内的图像特征,确定所述目标检测框的置信度,包括:
12.一种目标检测网络训练方法,包括:
13.根据权利要求12所述的方法,其中,所述目标检测网络还包括分类子网络,所述方法还包括:
14.一种目标检测网络,包括至少两个降维处理层、平均特征提取子网络以及检测头,其中:
15.根据权利要求14所述的目标检测网络,其中,所述目标检测网络还包括分类子网络,所述分类子网络用于基于所述目标降维特征确定目标分类结果。
16.一种交通灯检测装置,包括:
17.根据权利要求16所述的装置,其中,所述对所述待处理交通灯图像进行目标检测是基于目标检测网络实现,所述目标检测网络包括至少两个降维处理层,所述平均特征是基于所述目标检测网络的训练过程中目标降维处理层输出的目标降维特征生成,所述目标降维处理层为层数满足预设层数要求的所述降维处理层。
18.根据权利要求17所述的装置,其中,所述平均特征是基于所述对象类别的初始化类中心特征与所述目标降维特征的中心损失,对所述初始化类中心特征进行优化得到的。
19.根据权利要求17或18所述的装置,其中,所述对象类别包括以下至少一项:
20.根据权利要求19所述的装置,其中,所述目标检测网络还包括分类子网络,所述装置还包括:
21.根据权利要求20所述的装置,其中,所述分类子网络包括池化层以及全连接层,所述池化层用于对所述目标降维特征进行池化处理得到池化特征,所述全连接层用于对所述池化特征进行分类处理,得到所述目标分类结果。
22.根据权利要求20或21所述的装置,其中,所述目标分类结果包括以下至少一项:
23.根据权利要求21所述的装置,其中,响应于所述对象类别包括交通灯的灯头颜色,且所述目标分类结果包括交通灯的灯框颜色分类结果,所述装置还包括:
24.根据权利要求19-23中任一项所述的装置,其中,响应于所述对象类别包括交通灯的灯头形状,所述装置还包括:
25.根据权利要求16-24中任一项所述的装置,其中,所述置信度确定模块具体用于:
26.一种目标检测网络的训练装置,包括:
27.根据权利要求26所述的装置,其中,所述目标检测网络还包括分类子网络,所述装置还包括:
28.一种电子设备,包括:
29.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-13中任一项所述的方法。
30.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-13中任一项所述的方法。
...【技术特征摘要】
1.一种交通灯检测方法,包括:
2.根据权利要求1所述的方法,其中,所述对所述待处理交通灯图像进行目标检测是基于目标检测网络实现,所述目标检测网络包括至少两个降维处理层,所述平均特征是基于所述目标检测网络的训练过程中目标降维处理层输出的目标降维特征生成,所述目标降维处理层为层数满足预设层数要求的所述降维处理层。
3.根据权利要求2所述的方法,其中,所述平均特征是基于所述对象类别的初始化类中心特征与所述目标降维特征的中心损失,对所述初始化类中心特征进行优化得到的。
4.根据权利要求2或3所述的方法,其中,所述对象类别包括以下至少一项:
5.根据权利要求4所述的方法,其中,所述目标检测网络还包括分类子网络,所述方法还包括:
6.根据权利要求5所述的方法,其中,所述分类子网络包括池化层以及全连接层,所述池化层用于对所述目标降维特征进行池化处理得到池化特征,所述全连接层用于对所述池化特征进行分类处理,得到所述目标分类结果。
7.根据权利要求5或6所述的方法,其中,所述目标分类结果包括以下至少一项:
8.根据权利要求7所述的方法,其中,响应于所述对象类别包括交通灯的灯头颜色,且所述目标分类结果包括交通灯的灯框颜色分类结果,所述方法还包括:
9.根据权利要求4-8中任一项所述的方法,其中,响应于所述对象类别包括交通灯的灯头形状,所述方法还包括:
10.根据权利要求2-9中任一项所述的方法,其中,所述目标检测网络为一次查看yolo网络,所述目标降维处理层为所述yolo网络中特征图金字塔网络fpn的第三层。
11.根据权利要求1-10中任一项所述的方法,其中,所述基于预配置的所述对象类别的平均特征以及所述目标检测框内的图像特征,确定所述目标检测框的置信度,包括:
12.一种目标检测网络训练方法,包括:
13.根据权利要求12所述的方法,其中,所述目标检测网络还包括分类子网络,所述方法还包括:
14.一种目标检测网络,包括至少两个降维处理层、平均特征提取子网络以及检测头,其中:
15.根据权利要求14所述的目标检测网络,其中,所述目标检测网络还包括分类子...
【专利技术属性】
技术研发人员:耿士卿,周珣,万国伟,
申请(专利权)人:北京百度网讯科技有限公司,
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。