[发明专利]多级目标分类及交通标志检测方法和装置、设备、介质

说明书

本发明实施例公开了一种多级目标分类及交通标志检测方法和装置、设备、介质，其中多级目标分类方法包括：获得图像中至少一个目标对应的至少一个候选区域特征，所述图像中包括至少一个目标，每个所述目标对应一个候选区域特征；基于至少一个所述候选区域特征，得到对应至少两个大类的至少一个第一概率向量，并对每个所述大类进行分类，分别得到对应所述大类中至少两个小类的至少一个第二概率向量；基于所述第一概率向量和所述第二概率向量，确定所述目标属于所述小类的分类概率。本发明上述实施例，提升了图像中目标的分类准确率。本发明实施例中目标大小并不限定，可用于较大尺寸目标的分类，也可用于较小尺寸目标的分类。

技术领域

本发明涉及计算机视觉技术，尤其是一种多级目标分类及交通标志检测方法和装置、设备、介质。

背景技术

交通标记检测是自动驾驶领域的重要问题。交通标记在现代公路系统中发挥着重要作用，它利用文字和图形符号对车辆、行人传递指示、指路、警告、禁令等信号，引导车辆行驶和行人出行。交通标记的正确检测可以规划自动驾驶汽车的速度、方向，保证车辆的安全行驶。现实场景中，公路交通标记种类繁多，并且公路交通标记相对于一般目标如人、车尺寸较小。

发明内容

本发明实施例提供了一种多级目标分类技术。

根据本发明实施例的一个方面，提供的一种多级目标分类方法，包括：

获得图像中至少一个目标对应的至少一个候选区域特征，所述图像中包括至少一个目标，每个所述目标对应一个候选区域特征；

基于至少一个所述候选区域特征，得到对应至少两个大类的至少一个第一概率向量，并对每个所述大类进行分类，分别得到对应所述大类中至少两个小类的至少一个第二概率向量；

基于所述第一概率向量和所述第二概率向量，确定所述目标属于所述小类的分类概率。

可选地，在本发明上述任一方法实施例中，所述基于至少一个所述候选区域特征，得到对应至少两个大类的至少一个第一概率向量，并对每个所述大类进行分类，分别得到对应所述大类中至少两个小类的至少一个第二概率向量，包括：

基于至少一个所述候选区域特征通过第一分类器进行分类，得到对应至少两个大类的至少一个第一概率向量；

基于至少一个所述候选区域特征通过至少两个第二分类器对每个所述大类进行分类，分别得到对应所述大类中至少两个小类的至少一个第二概率向量。

可选地，在本发明上述任一方法实施例中，每个所述大类类别对应一个所述第二分类器；

所述基于至少一个所述候选区域特征通过至少两个第二分类器对每个所述大类进行分类，分别得到对应所述大类中至少两个小类的至少一个第二概率向量，包括：

基于所述第一概率向量，确定所述候选区域特征对应的所述大类类别；

基于所述大类对应的所述第二分类器对所述候选区域特征进行分类，得到所述候选区域特征对应所述至少两个小类的第二概率向量。

可选地，在本发明上述任一方法实施例中，所述基于所述大类对应的所述第二分类器对所述候选区域特征进行分类，得到所述候选区域特征对应所述至少两个小类的第二概率向量之前，还包括：

将所述候选区域特征经过卷积神经网络进行处理，将所述处理后的候选区域特征输入所述大类对应的所述第二分类器。

可选地，在本发明上述任一方法实施例中，所述基于所述第一概率向量和所述第二概率向量，确定所述目标属于所述小类的分类概率，包括：

基于所述第一概率向量，确定所述目标属于所述大类的第一分类概率；

基于所述第二概率向量，确定所述目标属于所述小类的第二分类概率；