[發(fā)明專利]基于改進(jìn)YOLOv3-tiny的交通標(biāo)志檢測(cè)與識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011516279.0
• 申請(qǐng)日: 2020-12-21
• 公開(kāi)（公告）號(hào): CN112464911A
• 公開(kāi)（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 朱梓銘;邢關(guān)生;孫晗松;王連彪;王光澤
• 申請(qǐng)（專利權(quán)）人: 青島科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08;G06T7/00
• 代理公司: 北京盛詢知識(shí)產(chǎn)權(quán)代理有限公司 11901
• 代理人: 方亞兵

1.基于改進(jìn)YOLOv3-tiny的交通標(biāo)志檢測(cè)與識(shí)別方法，其特征在于，包括以下步驟：

采集交通標(biāo)志圖像數(shù)據(jù)，采用幾何變換和色彩變換對(duì)圖像數(shù)據(jù)進(jìn)行增強(qiáng)擴(kuò)增，并進(jìn)行圖像標(biāo)注，得到交通標(biāo)志訓(xùn)練集；

構(gòu)建改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型，并采用交通標(biāo)志訓(xùn)練集對(duì)改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

根據(jù)交通標(biāo)志圖像數(shù)據(jù)構(gòu)建交通標(biāo)志測(cè)試集，并利用訓(xùn)練好的改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型對(duì)交通標(biāo)志測(cè)試集進(jìn)行檢測(cè)與識(shí)別。

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)YOLOv3-tiny的交通標(biāo)志檢測(cè)與識(shí)別方法，其特征在于，所述調(diào)節(jié)色彩變換是通過(guò)調(diào)節(jié)色相、對(duì)比度、飽和度和亮度來(lái)進(jìn)行色彩變換；

所述幾何變換是通過(guò)隨機(jī)剪裁和隨機(jī)拼接來(lái)進(jìn)行圖像的幾何變換。

3.根據(jù)權(quán)利要求1所述的基于改進(jìn)YOLOv3-tiny的交通標(biāo)志檢測(cè)與識(shí)別方法，其特征在于，所述改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型的改進(jìn)過(guò)程為：

在YOLOv3-tiny主干網(wǎng)絡(luò)末尾增加一層卷積核數(shù)量為256、尺寸為1×1、步長(zhǎng)為1的卷積層構(gòu)成新的主干網(wǎng)絡(luò)；在新的主干網(wǎng)絡(luò)之后連接一層卷積核數(shù)量為128、尺寸為1×1、步長(zhǎng)為1的卷積層和一層上采樣層；在8×8尺度的輸出層之前增加一層卷積核數(shù)量為42、尺寸為1×1、步長(zhǎng)為1的卷積層，在16×16尺度的輸出層之前增加一層卷積核數(shù)量為42、尺寸為1×1、步長(zhǎng)為1的卷積層。

4.根據(jù)權(quán)利要求3所述的基于改進(jìn)YOLOv3-tiny的交通標(biāo)志檢測(cè)與識(shí)別方法，其特征在于，所述改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型的主干網(wǎng)絡(luò)主要由6個(gè)大小為3×3的卷積層、2個(gè)大小為1×1的卷積層和5個(gè)步長(zhǎng)為2的池化層組成；并在每個(gè)卷積層后添加批標(biāo)準(zhǔn)化層；

所述改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型的前7個(gè)卷積層的卷積核個(gè)數(shù)依2的冪次關(guān)系遞增，分別有16、32、64、128、256、512、1024個(gè)卷積核，最后一個(gè)卷積層擁有256個(gè)卷積核；

所述改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型的主干網(wǎng)絡(luò)后分別引出8×8尺度分支和16×16尺度分支。

5.根據(jù)權(quán)利要求4所述的基于改進(jìn)YOLOv3-tiny的交通標(biāo)志檢測(cè)與識(shí)別方法，其特征在于，所述16×16尺度分支接入一層卷積核數(shù)量為128、尺寸為1×1、步長(zhǎng)為1的卷積層和一層上采樣層，并與主干網(wǎng)絡(luò)中第4個(gè)池化層引出的分支一起進(jìn)行維度擴(kuò)增，接入一個(gè)卷積核數(shù)量為256、尺寸為3×3、步長(zhǎng)為1的卷積層和一個(gè)卷積核數(shù)量為42、尺寸為1×1、步長(zhǎng)為1的卷積層，能夠輸出16×16尺度分支的檢測(cè)結(jié)果；

所述8×8尺度分支接入一個(gè)卷積核數(shù)量為512、尺寸為3×3、步長(zhǎng)為1的卷積層和一個(gè)卷積核數(shù)量為42、尺寸為1×1、步長(zhǎng)為1的卷積層，能夠輸出8×8尺度分支的檢測(cè)結(jié)果。

6.根據(jù)權(quán)利要求1所述的基于改進(jìn)YOLOv3-tiny的交通標(biāo)志檢測(cè)與識(shí)別方法，其特征在于，所述改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型的檢測(cè)與識(shí)別過(guò)程為：將交通標(biāo)志測(cè)試集圖像的每個(gè)像素值進(jìn)行歸一化并將圖像縮放，并送入改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型的網(wǎng)絡(luò)進(jìn)行推理；通過(guò)不同尺度的輸出通道直接得到包含目標(biāo)框坐標(biāo)、目標(biāo)置信度和目標(biāo)框內(nèi)物體類別在內(nèi)的特征圖；根據(jù)網(wǎng)絡(luò)模型輸出的置信度對(duì)檢測(cè)結(jié)果進(jìn)行非極大值抑制和分類識(shí)別，得到最終的檢測(cè)結(jié)果。

7.根據(jù)權(quán)利要求1所述的基于改進(jìn)YOLOv3-tiny的交通標(biāo)志檢測(cè)與識(shí)別方法，其特征在于，所述對(duì)改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練過(guò)程中，采用動(dòng)態(tài)學(xué)習(xí)率改善模型在不同訓(xùn)練階段的收斂速度，并使用RMSProp優(yōu)化器改善損失下降路徑。

8.根據(jù)權(quán)利要求1所述的基于改進(jìn)YOLOv3-tiny的交通標(biāo)志檢測(cè)與識(shí)別方法，其特征在于，采用平均類別準(zhǔn)確率、平均交并比和FPS作為性能指標(biāo)來(lái)檢測(cè)所述改進(jìn)的YOLOv3-tiny網(wǎng)絡(luò)模型對(duì)交通標(biāo)志的檢測(cè)能力。