【技术实现步骤摘要】
本申请属于车辆，尤其涉及一种交通标志的检测方法、交通标志的检测装置、电子设备及计算机可读存储介质。
技术介绍
1、在计算机视觉领域，目标检测是一项重要的任务，它可以在图像或视频中准确地检测出指定的目标物体。基于深度学习的目标检测方法因为其准确性和可扩展性而备受关注。其中，yolo（you only look once）算法是一种端到端的目标检测算法，其基本思路是将图像划分为s×s个网格，并在每个网格上预测目标的类别、位置和置信度。与其他目标检测算法相比，yolo具有高速度和高精度的优势。在yolo算法中，yolov5在检测精度和速度方面都有突出的表现。
2、yolov5在对交通标志进行检测时仍存在一些问题，如对复杂背景的鲁棒性不足、对不同形状和大小的交通标志的适应性有限等，都会导致它的检测准确性偏低。
技术实现思路
1、本申请提供了一种交通标志的检测方法、交通标志的检测装置、电子设备及计算机可读存储介质，该方法能够准确检测不同的交通标志，提高检测模型的鲁棒性。
2、...
【技术保护点】
1.一种交通标志的检测方法，其特征在于，包括：
2.如权利要求1所述的交通标志的检测方法，其特征在于，所述图像特征的尺度至少有3个；所述颈部网络包括至少3个特征融合网络，且每个特征融合网络中均设置有所述残差融合注意力模块；每个尺度的所述图像特征对应一个特征融合网络；所述基于设置有残差融合注意力模块的颈部网络对所述图像特征进行融合，得到融合特征，包括：
3.如权利要求2所述的交通标志的检测方法，其特征在于，所述图像特征的尺度有m个，所述m大于或等于3，所述针对每个尺度的所述图像特征，基于对应的所述特征融合网络融合当前尺度下不同层级的图像特征，得到...
【技术特征摘要】
1.一种交通标志的检测方法，其特征在于，包括：
2.如权利要求1所述的交通标志的检测方法，其特征在于，所述图像特征的尺度至少有3个；所述颈部网络包括至少3个特征融合网络，且每个特征融合网络中均设置有所述残差融合注意力模块；每个尺度的所述图像特征对应一个特征融合网络；所述基于设置有残差融合注意力模块的颈部网络对所述图像特征进行融合，得到融合特征，包括：
3.如权利要求2所述的交通标志的检测方法，其特征在于，所述图像特征的尺度有m个，所述m大于或等于3，所述针对每个尺度的所述图像特征，基于对应的所述特征融合网络融合当前尺度下不同层级的图像特征，得到当前尺度对应的融合特征，包括：
4.如权利要求2所述的交通标志的检测方法，其特征在于，所述检测模块包括至少3个检测头，各所述检测头与各所述尺度一一对应；所述基于检测模块对所述融合特征进行检测，得到所述待处理图像中交通标志的检测结果，包括：
5.如权利要求1至4任一项所述的交通标志的检测方法，其特征在于，所述残...
【专利技术属性】
技术研发人员：王鹏，韩冰冰，王鹏飞，刘加美，
申请(专利权)人：深圳市锐明像素科技有限公司，
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。