[發明專利]一種基于YOLOv3的交通標志檢測方法

在審

• 申請號: 202011503537.1
• 申請日: 2020-12-18
• 公開（公告）號: CN112613387A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 黃輝;胡鵬;王瓊瑤;鄒媛媛;蔡慶榮;許博雅
• 申請（專利權）人: 五邑大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 梁國平

1.一種基于YOLOv3的交通標志檢測方法，其特征在于，包括：

獲取交通標志的圖像信息；

預處理所述圖像信息，形成圖像訓練集和圖像驗證集；

改進基于YOLOv3的網絡結構：融合淺層特征和深層特征，在大尺度的特征上檢測所述交通標志；

利用所述圖像訓練集，對改進后的基于YOLOv3的目標檢測網絡進行訓練；

利用所述圖像驗證集，對訓練后的基于YOLOv3的模型進行測試，獲取評價指標。

2.根據權利要求1所述的基于YOLOv3的交通標志檢測方法，其特征在于，預處理所述圖像信息，包括：對所述圖像信息進行手工標注分類，并生成文本文件。

3.根據權利要求1所述的基于YOLOv3的交通標志檢測方法，其特征在于，所述改進基于YOLOv3的網絡結構，包括：去除13*13尺度檢測層；通過對深層特征圖進行上采樣，將特征圖放大到和淺層特征圖相同的尺寸；進行張量拼接操作，構建104a*104a的尺度檢測層，其中a≥1。

4.根據權利要求1所述的基于YOLOv3的交通標志檢測方法，其特征在于，對基于YOLOv3目標檢測網絡進行訓練時，在目標檢測算法引入預測框損失函數，使當前預測框置信度的檢測分數呈線性衰減。

5.根據權利要求4所述的基于YOLOv3的交通標志檢測方法，其特征在于，所述預測框損失函數為基于KL散度的回歸損失函數，即所述預測框損失函數是所述預測框的高斯分布和真實邊框的狄拉克分布的KL散度。

6.根據權利要求5所述的基于YOLOv3的交通標志檢測方法，其特征在于，在獲得所述預測框的高斯分布的標準差后,通過平均權重將預測框融合,計算每一個預測框基于周圍及自身邊框的權重均值的新的位置。

7.根據權利要求1所述的基于YOLOv3的交通標志檢測方法，其特征在于，所述對訓練后的基于YOLOv3的模型進行測試，包括：把BN層的參數合并到卷積層中，計算合并后的權值參數和偏置值，并輸出BN算法的計算結果。

8.根據權利要求1所述的基于YOLOv3的交通標志檢測方法，其特征在于，所述評價指標包括：訓練后的基于YOLOv3模型的檢測準確率、召回率、平均精度和檢測時間。

9.一種計算設備，其特征在于，包括：存儲器以及處理器；

存儲器，用于存儲程序指令；

處理器，用于調用所述存儲器中存儲的程序指令，按照獲得的程序執行權利要求1-8中任一項所述的方法。

10.一種計算機存儲介質，存儲有計算機可執行指令，其特征在于，所述計算機可執行指令用于執行如權利要求1-8中任一權利要求所述的方法。