[發明專利]一種基于空洞卷積的anchor-free交通標志識別方法

有效

• 申請號: 202010072379.2
• 申請日: 2020-01-21
• 公開（公告）號: CN111291660B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 褚晶輝;黃浩;呂衛
• 申請（專利權）人: 天津大學
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/774;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

1.一種基于空洞卷積的anchor-free交通標志識別神經網絡，包括下列步驟：

第一步，構建交通標志數據集并進行包括剪裁在內的數據預處理；

第二步，通過深度學習框架PyTorch搭建基于空洞卷積的anchor-free交通標志識別神經網絡；基于空洞卷積的anchor-free交通標志識別神經網絡包括三個部分，分別是由hourglass模塊與殘差塊Residual Block組成的主干路、由特征豐富模塊MSCF組成的跳層和輸出預測部分：

輸入的圖像首先經過主干路進行特征提取，主干路由兩部分組成，第一部分由三個串聯的3*3卷積塊、一個殘差塊Residual Block、一個hourglass模塊和一個1*1卷積塊組成，對輸入的圖像進行先編碼再解碼的過程，用以提取圖像中更全面的深層特征并將淺層特征與深層特征融合到一起；第二部分由一個串聯的3*3卷積塊、一個殘差塊Residual Block、一個hourglass模塊和一個1*1卷積塊組成，對第一部分輸出的特征圖再次進行先編碼后解碼的過程，用以獲得尺度變化更大的特征，增強神經網絡的表示能力；

主干路上有兩個結構相同的跳層，均由一個特征豐富模塊MSCF與一個1*1的卷積塊構成，兩個跳層分別與主干路的第一部分中的一個hourglass模塊和一個1*1卷積塊并聯以及與第二部分中的一個hourglass模塊和一個1*1卷積塊并聯，跳層的輸出特征會與主干路的輸出特征進行元素相加操作，特征豐富模塊MSCF共包含1個3*3卷積塊，5個1*1卷積塊和3個擴張率不同的空洞卷積模塊，作用是利用不同擴張率的空洞卷積來獲得不同大小的感受野，對主干路提取的特征進行補充；

經過了主干路的神經網絡之后，特征圖恢復到初始圖片的尺寸，并包含了多種尺度和深層次的語義特征，這種特征圖被稱為熱圖，能夠對各種尺寸的交通標志進行預測；將熱圖送入輸出預測部分，進入三條并聯支路進行預測，第一條支路在經過兩個卷積塊后，會預測出交通標志的種類；第二條支路會預測出一個坐標，即交通標志的中心點坐標；最后一條支路會預測出交通標志檢測框的寬和高；

第三步，模型訓練：

把訓練集中的圖片輸入基于空洞卷積的anchor-free交通標志識別神經網絡中，通過正向傳播得到交通標志類別與位置信息，與 ground truth中的信息計算誤差進行反向傳播，不斷更新網絡參數直至誤差不再減?。粚⒂柧毢玫木W絡參數保存為模型；

第四步，輸入帶有交通標志的圖片，加載第三步訓練好的模型，輸出交通標志識別結果圖。