-
公开(公告)号：CN113486711A
公开(公告)日：2021-10-08
申请号：CN202110581522.5
申请日：2021-05-26
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种交通标志识别模型训练方法及系统，包括如下步骤：获取交通标志图像以及每一交通标志图像对应的标签，将所述交通标志图像分为训练集和测试集；获取基于YOLOV5的网络模型，对所述网络模型进行加载和设置；根据所述训练集和测试集的类别设置所述网络模型的分类损失的系数和超参数；采用混合精度训练对所述网络模型先进行热身训练，计算三种损失之和并反向传播进行梯度放大；对热身训练后的网络模型进行学习率衰减，然后通过对测试集网络模型进行测试后保存所述网络模型及权重生成交通标志图像模型。本发明能够有效的对交通标志进行实时检测及分类。
-
Patent Agency Ranking
公开(公告)号：CN113837100A
公开(公告)日：2021-12-24
申请号：CN202111128301.9
申请日：2021-09-26
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种交通标志识别方法，显著提高了对道路交通标志的检测效果，并满足对实时性的要求。采用准确度和效率更加均衡的加权双向特征金字塔网络代替路径聚合网络，更好地融合道路交通标志的通道特征。采用空洞卷积代替普通的卷积，并与空间池化金字塔相结合，进一步扩大感受野。将检测尺度增加到了四种，改善对小目标的检测效果。在数据增强技术中加入随机裁剪，使模型学习到更多的细节特征。使用数字图像运算技术为低精度类别增加实例数。
-
公开(公告)号：CN113505724B
公开(公告)日：2024-04-19
申请号：CN202110838499.3
申请日：2021-07-23
Applicant: 上海应用技术大学
IPC: G06V20/58 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种、基于YOLOv4的交通标志识别模型训练方法，包括如下步骤：获取交通标志数据集，将所述交通标志数据集划分为训练集和测试集；获取YOLOv4网络结构，将所述YOLOv4网络结构中主干网络的PANet路径聚合网络替换BiFPN网络生成目标训练模型；通过所述训练集对所述目标训练模型进行训练，并通过所述测试集对训练后的所述目标训练模型进行测试生成所述交通标志识别模型。本发明中的主干网络在检测方面效果更好，缓解了数据分布不均衡的问题，增强了网络的特征提取能力。
-
公开(公告)号：CN114821519B
公开(公告)日：2024-05-21
申请号：CN202210275320.2
申请日：2022-03-21
Applicant: 上海应用技术大学
IPC: G06V20/58 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于坐标注意力的交通标志识别方法及系统，方法包括：实时接收前方道路的图像数据帧；对图像数据帧循环下采样后进行二维方向的池化分解，获取分解后的若干特征图像块；将分解后的特征图像块的位置信息嵌入到通道注意力中，根据特征图像块中相同的维度信息进行各个阶段的拼接融合，通过二维方向的卷积处理后获取目标特征图像；响应于预设的交通标志图库，在获取到目标特征图像后，利用激活函数对目标特征图像进行分类，获取图像数据帧中的交通标志信息。本发明平衡检测速度与识别精度的性能，提高网络的特征提取能力并改善对遮挡目标和小目标的检测效果，在真实场景中对道路交通标志进行实时检测。
-
公开(公告)号：CN114821519A
公开(公告)日：2022-07-29
申请号：CN202210275320.2
申请日：2022-03-21
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种基于坐标注意力的交通标志识别方法及系统，方法包括：实时接收前方道路的图像数据帧；对图像数据帧循环下采样后进行二维方向的池化分解，获取分解后的若干特征图像块；将分解后的特征图像块的位置信息嵌入到通道注意力中，根据特征图像块中相同的维度信息进行各个阶段的拼接融合，通过二维方向的卷积处理后获取目标特征图像；响应于预设的交通标志图库，在获取到目标特征图像后，利用激活函数对目标特征图像进行分类，获取图像数据帧中的交通标志信息。本发明平衡检测速度与识别精度的性能，提高网络的特征提取能力并改善对遮挡目标和小目标的检测效果，在真实场景中对道路交通标志进行实时检测。
-
公开(公告)号：CN113505724A
公开(公告)日：2021-10-15
申请号：CN202110838499.3
申请日：2021-07-23
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种、基于YOLOv4的交通标志识别模型训练方法，包括如下步骤：获取交通标志数据集，将所述交通标志数据集划分为训练集和测试集；获取YOLOv4网络结构，将所述YOLOv4网络结构中主干网络的PANet路径聚合网络替换BiFPN网络生成目标训练模型；通过所述训练集对所述目标训练模型进行训练，并通过所述测试集对训练后的所述目标训练模型进行测试生成所述交通标志识别模型。本发明中的主干网络在检测方面效果更好，缓解了数据分布不均衡的问题，增强了网络的特征提取能力。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
