[發明專利]交通標志牌檢測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011009444.3
• 申請日: 2020-09-23
• 公開（公告）號: CN112132032A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 吳曉東
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 何春蘭;遲珊珊

1.一種交通標志牌檢測方法，其特征在于，所述交通標志牌檢測方法包括：

獲取待檢測圖像；

對所述待檢測圖像進行預處理，獲得預處理圖像；

將所述預處理圖像輸入至預先訓練好的交通標志牌檢測模型中，獲得檢測結果，其中，所述交通標志牌檢測模型是基于YOLOv3網絡模型進行網絡結構的改進獲得的，所述網絡結構的改進包括將EfficientNet網絡與所述YOLOv3網絡模型中的DarkNet53網絡進行融合以及將所述DarkNet53網絡與所述YOLOv3網絡模型中提取的不同尺度的特征圖的殘差連接替換為所述融合網絡與所述特征圖的殘差連接；

輸出所述檢測結果。

2.根據權利要求1所述的交通標志牌檢測方法，其特征在于，所述獲取待檢測圖像之前，所述交通標志牌檢測方法還包括：

獲取預設的所述YOLOv3網絡模型；

將EfficientNet網絡與所述YOLOv3網絡模型中的DarkNet53網絡進行融合，獲得融合網絡；

將所述DarkNet53網絡與所述YOLOv3網絡模型中提取的不同尺度的特征圖的殘差連接替換為所述融合網絡與所述特征圖的殘差連接，獲得初始模型；

獲取預設訓練集；

使用所述預設訓練集對所述初始模型進行訓練，獲得訓練好的交通標志牌檢測模型。

3.根據權利要求2所述的交通標志牌檢測方法，其特征在于，所述將EfficientNet網絡與所述YOLOv3網絡模型中的DarkNet53網絡進行融合，獲得融合網絡包括：

將所述EfficientNet網絡與所述YOLOv3網絡模型中的DarkNet53網絡進行通道合并，獲得合并網絡；

壓縮所述合并網絡，獲得壓縮網絡；

通過預設的兩個全連接神經層對所述壓縮網絡進行重組，獲得注意力網絡；

將所述注意力網絡與所述合并網絡進行注意力加權，獲得所述融合網絡。

4.根據權利要求2所述的交通標志牌檢測方法，其特征在于，所述將所述預處理圖像輸入至預先訓練好的交通標志牌檢測模型中，獲得檢測結果包括：

將所述預處理圖像輸入至預先訓練好的交通標志牌檢測模型中，通過所述EfficientNet網絡獲取所述預處理圖像的第一殘差塊，以及通過所述DarkNet53網絡獲取所述預處理圖像的第二殘差塊；

根據所述第一殘差塊、所述第二殘差塊以及所述融合網絡，生成第一特征圖、第二特征圖以及第三特征圖；

根據所述第一特征圖、第二特征圖以及第三特征圖，生成所述檢測結果。

5.根據權利要求4所述的交通標志牌檢測方法，其特征在于，所述根據所述第一特征圖、第二特征圖以及第三特征圖，生成所述檢測結果包括：

通過預設聚類獲得的多個先驗框對所述第一特征圖、所述第二特征圖以及所述第三特征圖進行預測，獲得交通標志牌的坐標；

將所述交通標志牌的坐標確定為所述檢測結果。

6.根據權利要求4所述的交通標志牌檢測方法，其特征在于，所述根據所述第一殘差塊、所述第二殘差塊以及所述融合網絡，生成第一特征圖、第二特征圖以及第三特征圖包括：

所述第一殘差塊以及所述第二殘差塊輸入至所述融合網絡，并進行第一卷積運算，獲得所述第一特征圖；

對所述第一殘差塊以及所述第一卷積運算進行第一拼接操作，獲得第一拼接結果，并對所述第一拼接結果進行第二卷積運算，獲得第二特征圖；

對所述第二殘差塊以及所述對所述第一拼接結果進行第二卷積運算獲得的結果進行第二拼接操作，獲得第二拼接結果，對所述第二拼接結果進行第三卷積運算，獲得第三特征圖。

7.根據權利要求6所述的交通標志牌檢測方法，其特征在于，所述第一卷積運算、所述第二卷積運算以及所述第三卷積運算均包括第一卷積操作、第二卷積操作以及第三卷積操作，所述第一卷積操作包括5個卷積層、1個歸一化層以及1個激活層，所述第二卷積操作包括1個卷積層、1個歸一化層以及1個激活層，所述第三卷積操作包括1個卷積層。