[发明专利]一种交通标志识别方法、训练方法及设备

说明书

本发明公开了一种交通标志识别的训练方法，包括一特征索引总表，特征索引总表中包含一个或多个类别，并且所述特征索引总表中包含一第一特征提取器以及第一特征提取器提取的类别特征；一个或多个特征索引子表，每一个所述特征索引子表对应于所述特征索引总表中的一个类别，所述特征索引子表包含一个或多个子类别，所述每一个特征索引子表包含一第二特征提取器以及所述第二特征提取器提取的类别特征；使用第一特征提取器提取图像的第一特征；如所述第一特征与特征索引总表中的所述类别的相似度小于一预设值，则将所述图像对应的类别以及所述图像的特征添加到所述特征索引总表中。从而不需要重新训练整个特征提取器，整体的训练时间大大减少。

技术领域

本发明涉及人工智能领域，具体来说，涉及一种交通标志识别方法、训练方法及设备。

背景技术

目前交通标志的识别主要采用深度学习的方式进行，但基于深度学习的交通标志识别方法很难标注完所有类别，因此，在其开发过程中，会随着需求类别的增加而不断优化更新模型。然而，现有基于深度学习的方法，其输出分类类别数目是固定的，如果想要增加识别类别就需要修改网络结构，就需要完全重新训练和优化模型，则需要花费的时间与训练投入资源成本较高。

因此，现有的基于深度学习的交通标志识别方法在训练优化成本上不够经济和合理化。

本文提供的背景描述用于总体上呈现本公开的上下文的目的。除非本文另外指示，在该章节中描述的资料不是该申请的权利要求的现有技术并且不要通过包括在该章节内来承认其成为现有技术。

发明内容

针对相关技术中的上述技术问题，本发明提出一种交通标志识别的训练方法，包括一特征索引总表，其中特征索引总表中包含一个或多个类别，并且所述特征索引总表中包含一第一特征提取器以及所述第一特征提取器提取的类别特征；一个或多个特征索引子表，其中每一个所述特征索引子表对应于所述特征索引总表中的一个类别，所述特征索引子表包含一个或多个子类别，其中所述每一个特征索引子表包含有一第二特征提取器以及所述第二特征提取器提取的类别特征；

S1，获取包括待增加类别的交通标志的图像；

S2，使用对应于特征索引总表的第一特征提取器提取所述图像以获取所述图像的第一特征；

S3，计算所述第一特征与特征索引总表中的所述类别的相似度；

S4，如所述相似度均小于一预设值，则针对所述图像对应的类别，以及用所述第一特征提取器提取所述图像的特征添加到所述特征索引总表中。

在需要增加新的识别类别时，特别是类间距较大的交通识别类别时，仅需要将需要增加的交通标志的图片使用总表的特征提取器提取一次获得相应的特征，并将所述的特征添加到特征索引总表中即可，不需要重新训练整个特征提取器，整体的训练时间大大减少。

进一步的，为了增加子类的识别，本实施例的步骤S3之后还包括：

S31，选择所述相似度大于一预设值的类别作为相似类别；

S32，判断所述相似类别是否有子类；

S33，如无，则新建一对应于所述相似类别的特征索引子表和特征提取器。

S34，如有，针对所述图像以及所述特征索引子表中的所有类别重新构建特征提取器，并将所述图像以及所述特征索引子表中的所有类别、所述重新构建的特征提取器重新构成新的特征索引子表，使用新的特征索引子表替换所述特征索引子表。

通过设置特征索引总表和特征索引子表，在后期需要增加识别类别时，无需更换已训练得到的模型，只需要更新特征索引总表或子表即可，优化成本和训练时间大大减少。