一种基于LSKA-DAT融合的交通标志检测方法技术

本发明专利技术公开了一种基于LSKA‑DAT融合的交通标志检测方法，包括以下步骤：(1)通过摄像头接收视频流信号，将视频流信号截取成图像，对图像进行预处理；(2)构建基于YOLOv8和LSKA‑DAT融合的交通标志检测网络；(3)将YOLOv8.0头部进行上采样后在进行特征融合；(4)将交通标志数据集中的训练集图像数据输入改进后的网络模型中进行训练，保存训练过程中改进后的模型在验证集上准确率最高的模型参数。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，具体涉及一种基于lska-dat融合的交通标志检测方法。

技术介绍

1、随着社会经济的快速发展,汽车持有量不断增加,城市交通系统日益庞大。目前人工智能技术正在高速发展,无人驾驶将是未来汽车行业的主要发展方向,发展智能交通可以一定程度上缓解交通压力,是解决以上交通难题的途径之一。基于视觉的目标检测和交通标志检测是无人驾驶系统环境感知层的两个重要模块,所以实现无人车对行驶道路上的目标和交通标志进行检测与识别具有重要的实用价值,并对所提出的目标检测算法与交通标志检测算法进行安全性分析,以提升无人驾驶系统的安全性,具有重要的理论指导意义。当前检测技术日趋成熟，但对于复杂环境下的小目标检测仍然是研究的重难点。

技术实现思路

1、专利技术目的：本专利技术的目的是提供一种基于lska-dat融合的交通标志检测方法，解决远距离交通标志小目标以及因标志的一部分受到遮挡而无法精准检测出来的问题；或者因为图片、视频分辨率过低而导致标志无法检测出来的情况。

2、技术方案：本专利技术所述的一种基于本文档来自技高网...

【技术保护点】

1.一种基于LSKA-DAT融合的交通标志检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于LSKA-DAT融合的交通标志检测方法，其特征在于，步骤(1)中，预处理包括：图像缩放和尺寸调节、图像归一化、图像增强、数据集构建以及张量转换；在数据集构建中，存放数据文件夹为Datasets，包括两个子文件夹，分别为Images，Labels，其中，Images保存训练图像，Labels保存与训练图像对应的xml文件，其中，训练集与测试集的比例为8：2，训练集图像路径保存在train.txt,测试集图像路径保存在test.txt,其中存放的是训练图像和标签的相对路...

【技术特征摘要】

1.一种基于lska-dat融合的交通标志检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于lska-dat融合的交通标志检测方法，其特征在于，步骤(1)中，预处理包括：图像缩放和尺寸调节、图像归一化、图像增强、数据集构建以及张量转换；在数据集构建中，存放数据文件夹为datasets，包括两个子文件夹，分别为images，labels，其中，images保存训练图像，labels保存与训练图像对应的xml文件，其中，训练集与测试集的比例为8：2，训练集图像路径保存在train.txt,测试集图像路径保存在test.txt,其中存放的是训练图像和标签的相对路径；将处理后的图像转换为要求的张量，然后输入到神经网络中。

3.根据权利要求1所述的一种基于lska-dat融合的交通标志检测方法，其特征在于，步骤(2)中，具体如下：包括主干网络模块、neck模块；主干网络中在sppf模块中加入lska模块，将其中的2个c2f分别引入dattention注意力机制和drb模块，分别替换为：c2f_dattention和c2f_drb。

4.根据权利要求2所述的一种基于lska-dat融合的交通标志检测方法，其特征在于，主干网络包括四个cbr模块，一个c2f_dattention模块和一个sppf_lska模块以及一个c2f_drb模块；其中，将主干网络中一层c2f_dattention通过动态调整注意力焦点来增强模型对图像特征的适应能力输出到neck模块进一步融合特征信息，通过采用融合再分配的方法，使信息更加丰富；然后将所获得的不同尺寸大小的特征信息输入到sppf_lska中，进行特征的最终融合。

5.根据权利要求3所述的一种基于lska-dat融合的交通标志检测方法，其特征在于，neck模块中，头部head首先使用上采样和拼接操作将来自不同深度的特征图进行融合；通过在特征融合后使用c2f_drb模块进一步加工和精细化来自不同尺度的特征；将seam模块作为检测头替换yolov8原始的检测头，实现多尺度检测，强调图像中...

【专利技术属性】
技术研发人员：张宇恒，姜明新，冯国露，周清清，孔宁，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：