[發明專利]基于改進的卷積神經網絡的交通標志檢測方法

在審

• 申請號: 201810261070.0
• 申請日: 2018-03-27
• 公開（公告）號: CN108520212A
• 公開（公告）日: 2018-09-11
• 發明（設計）人: 周武能;趙銀玲
• 申請（專利權）人: 東華大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;柏子雵

1.一種基于改進的卷積神經網絡的交通標志檢測方法，其特征在于，包括以下步驟：

第一步、實時獲取交通標志圖像，在實時獲取過程中對交通標志圖像進行圖像預處理，圖像預處理時保留交通標志的三維色彩；

第二步、卷積神經網絡從多個角度提取預處理后的交通標志圖像的不同特征，根據提取的特征，對圖像中包含的交通標志進行檢測和分類，其中，卷積神經網絡包括輸入層、3個卷積層、3個池化層、位于每個池化層后的歸一化層、2個全連接層和1個Softmax輸出層，3個卷積層的卷積核數目為3，卷積核大小均為5*5。

2.如權利要求1所述的一種基于改進的卷積神經網絡的交通標志檢測方法，其特征在于，在所述第一步中，圖像預處理包括圖像濾波、壓縮動態范圍、直方圖均衡化和圖像銳化。

3.如權利要求1所述的一種基于改進的卷積神經網絡的交通標志檢測方法，其特征在于，每個所述池化層中含有兩種池化方式：平均池化和最大值池化，即對卷積層中輸出的每一個特征圖都進行兩次不同的采樣，池化窗口大小均為3*3。

4.如權利要求1所述的一種基于改進的卷積神經網絡的交通標志檢測方法，其特征在于，所述輸入層輸入的交通標志圖像大小為32*32，且交通標志圖像的特征圖在卷積核池化過程中保持32*32大小不變。

5.如權利要求1所述的一種基于改進的卷積神經網絡的交通標志檢測方法，其特征在于，對所述卷積神經網絡的訓練包括以下步驟：

步驟1、設定神經網絡各初始參數，包括非線性的固定卷積層層數、各卷積層濾波器的個數及其初始值、各池化層的窗口大小、全連接層層數及每層神經元個數，構建基本的卷積神經網絡模型；

步驟2、設定模型中的訓練目標最小誤差、學習速率、最大允許訓練步數和小批量數據個數；

步驟3、將數據導入輸入層，遞歸計算網絡輸出；

步驟4、計算輸出誤差，并修改權值。

步驟5、重復步驟1至步驟4，直至誤差在可接受范圍內或超出訓練次數限制。