[发明专利]一种基于级联网络的交通锥识别方法及装置

权利要求书

1.一种基于级联网络的交通锥识别方法，其特征在于，包括：

获取压缩和激活网络SENet、密集卷积网络DenseNet；

基于所述SENet、所述DenseNet及预设的目标检测模型，确定目标网络结构；

基于多张包含交通锥的原始交通锥场景图像，训练所述目标网络结构得到交通锥识别模型。

2.根据权利要求1所述的基于级联网络的交通锥识别方法，其特征在于，所述基于所述SENet、所述DenseNet及预设的目标检测模型，确定目标网络结构，包括：

确定所述DenseNet中的目标卷积层；其中，所述目标卷积层输出所述目标特征图；

在所述DenseNet中的每个所述目标卷积层之后增加所述SENet，得到主干网络；

利用所述主干网络替换所述目标检测模型中原有主干网络，得到所述目标网络结构。

3.根据权利要求1或2所述的基于级联网络的交通锥识别方法，其特征在于，所述基于多张包含交通锥的原始交通锥场景图像，训练所述目标网络结构得到交通锥识别模型，包括：

获取多张所述原始交通锥场景图像；

对任一原始交通锥场景图像进行数据增强，得到所述任一原始交通锥场景图像对应的至少一个第一交通锥场景图像；

建立每个所述第一交通锥场景图像对应的标签文件，得到交通锥场景图像数据集；

划分所述交通锥场景图像数据集，得到训练集、验证集和测试集；

基于所述训练集、所述验证集及所述目标网络结构，确定所述交通锥识别模型。

4.根据权利要求3所述的基于级联网络的交通锥识别方法，其特征在于，所述对任一原始交通锥场景图像进行数据增强，得到所述任一原始交通锥场景图像对应的至少一个第一交通锥场景图像，包括：

对所述任一原始交通锥场景图像进行旋转、翻转、对比度增强、裁剪、亮度调节、仿射变换中的至少一种处理，得到所述任一原始交通锥场景图像对应的至少一个所述第一交通锥场景图像。

5.根据权利要求3所述的基于级联网络的交通锥识别方法，其特征在于，所述基于所述训练集、所述验证集及所述目标网络结构，确定所述交通锥识别模型，包括：

利用所述训练集训练所述目标网络结构，得到初始交通锥识别模型；

利用所述验证集确定所述初始交通锥识别模型的准确率和/或损失值；

当所述准确率大于准确率阈值和/或所述损失值小于损失值阈值时，确定所述初始交通锥识别模型为所述交通锥识别模型。

6.根据权利要求5所述的基于级联网络的交通锥识别方法，其特征在于，所述确定所述初始交通锥识别模型为所述交通锥识别模型之后，还包括：

利用所述测试集验证所述交通锥识别模型的准确率和识别速度。

7.一种基于交通锥识别模型的使用方法，其特征在于，所述交通锥识别模型为使用权利要求1至6任一项所述的基于级联网络的交通锥识别方法得到的模型，包括：

获取待识别图像；

将所述待识别图像输入所述交通锥识别模型，输出识别结果；其中，所述识别结果为所述待识别图像中有交通锥及所述交通锥在所述待识别图像中的位置或所述待识别图像中无所述交通锥。

8.一种基于级联网络的交通锥识别方法的装置，其特征在于，包括：

获取模块，用于获取压缩和激活网络SENet、密集卷积网络DenseNet；

确定模块，用于基于所述SENet、所述DenseNet及预设的目标检测模型，确定目标网络结构；

训练模块，用于基于多张包含交通锥的原始交通锥场景图像，训练所述目标网络结构得到交通锥识别模型。