[發明專利]一種基于區域注意力的交通標志檢測方法

在審

• 申請號: 202110425906.8
• 申請日: 2021-04-20
• 公開（公告）號: CN113033482A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 李文舉;蘇攀;那馨元
• 申請（專利權）人: 上海應用技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 黃超宇;胡晶

1.一種基于區域注意力的交通標志檢測方法，其特征在于，包括以下步驟：

步驟1：獲取ImageNet數據集和TT100K交通標志數據集，在ImageNet數據集上預先訓練ResNet50深度網絡；

步驟2：輸入TT100K訓練集圖片，從預訓練的ResNet50網絡的第10、22、40和49層獲取樣本特征，構成特征金字塔，在Faster R-CNN目標檢測框架下對網絡進行微調；

步驟3：訓練數據集以圖片形式輸入區域注意力模塊，獲取注意力圖；

步驟4：RPN網絡使用特征金字塔的信息生成候選區域；

步驟5：利用區域注意力圖濾除注意力區域之外的候選區域，得到最終的檢測結果。

2.根據權利要求1所述的一種基于區域注意力的交通標志檢測方法，其特征在于，在所述步驟1中，使用了遷移學習的方法，在ImageNet數據集上對ResNet50進行預訓練，所述ImageNet是一個大型的圖像分類數據集，包含100個目標類別，所述ResNet50是一個包含殘差模塊的卷積神經網絡，一共有50個權重層。

3.根據權利要求1所述的一種基于區域注意力的交通標志檢測方法，其特征在于，在所述步驟2中，獲取在ImageNet數據集上預訓練的ResNet50分類模型，將全連接層之外的卷積層作為特征提取模塊，并從網絡的第10、22、40和49層卷積層提取特征圖，構成特征金字塔；將全連接層作為網絡最終的分類模塊，并另外添加一個3層的全連接層作為交通標志位置回歸模塊。

4.根據權利要求3所述的一種基于區域注意力的交通標志檢測方法，其特征在于，在所述步驟2中，獲取特征金字塔，所述特征金字塔是一個5層結構，假設輸入圖片大小為800×800，那么ResNet50第10、22、40和49層卷積層得到的特征圖f₁、f₂、f₃和f₄大小分別為200×200、100×100、50×50、25×25，對最后一層特征圖進行最大池化操作，得到一個大小為13×13的特征圖f₅，構成一個5層的特征金字塔。