[发明专利]一种基于单个深层卷积神经网络的路牌检测方法

权利要求书

1.一种鲁棒的路牌检测方法，用于对路牌图像的检测；其特征在于，该方法包括：

构建前向传播的卷积神经网络；

将产生的默认框与目标框进行匹配；

对单个深层卷积神经网络进行训练；

测试时利用非极大值抑制算法进行预测；

输出路牌的检测结果。

2.根据权利要求1所述的方法，其特征在于，根据所述对路牌数据进行数据增广，包括：

随机采样一个路径；

路径的大小为原始图像的[0.1，1]，纵横比为[0.5，1]；

目标框的中心在路径范围内，则保留重叠部分；

将每个采样的路径设置为相同大小，并以0.5的概率对其进行水平翻转。

3.根据权利要求1所述的方法，其特征在于，根据所述构造单个深层卷积神经网络，包括：

采用VGG-16图像分类模型作为基础网络；

添加逐渐减小的5层卷积层；

设置1层池化层。

4.根据权利要求1所述的方法，其特征在于，将对单个深层卷积神经网络进行训练，包括：

设置杰卡德阈值；

利用最佳杰卡德重叠将目标框和默认框进行匹配；

将负样本按照置信度进行排序；

计算总的目标损失函数；

计算默认框的大小以及纵横比；

每个目标框与唯一一个默认框配对。

5.根据权利要求1所述的方法，其特征在于，利用极大值抑制对路牌进行检测，包括：

将目标框和默认框进行匹配；

当损失函数的值小于设定的阈值时，网络输出特征图；

计算默认框的宽度、高度和中心点；

利用极大值抑制算法进行路牌检测。