[发明专利]基于YOLOv3-SPP的道路环境目标检测方法

权利要求书

1.基于YOLOv3-SPP的道路环境目标检测方法，其特征在于，包括如下步骤：

1)构建模型：在YOLOv3网络中引入SPP模块，构建基于YOLOv3-SPP目标检测模型；

2)预处理：对BDD100K数据集预处理，即从BDD100K数据集标注文件中提取车辆、行人和交通标志这三类道路目标的标注信息，并将这三类标注信息转换为Darknet框架下支持的格式；

3)重新聚类并分配：依据BDD100K数据集中训练集图像分辨率1280x720，利用k-means++算法对步骤2)中转换为Darknet框架下支持的格式的标注信息框重新聚类，得到新的初始Anchor Box，并按照Alexey Bochkovskiy设定的Anchor Box分配规则，为YOLOv3-SPP目标检测模型中的每个检测尺度分配相应个数的Anchor Box；

4)训练与评估：将BDD100K数据集中的训练集和验证集分别输入到YOLOv3-SPP目标检测模型中进行检测模型的训练与评估；

5)检测：利用步骤4)训练后的YOLOv3-SPP目标检测模型对GTSDB数据集中的道路环境进行目标检测。

2.根据权利要求1所述的基于YOLOv3-SPP的道路环境目标检测方法，其特征在于，步骤1)中所述的构建基于YOLOv3-SPP目标检测模型，包括如下过程：

SPP模块由Kernel Size分别为1×1，5×5，9×9，13×13的四个并行池化层组成，将SPP模块集成在YOLOv3网络中第一个检测尺度的第5和第6个卷积之间，即完成了构建基于YOLOv3-SPP目标检测模型。

3.根据权利要求1所述的基于YOLOv3-SPP的道路环境目标检测方法，其特征在于，步骤2)中所述的对BDD100K数据集预处理，过程为：

从BDD100K标注文件中提取车辆、行人、交通标志这三类道路目标的标注信息，并将这三类标注信息写入以图片命名的XML文件中，在BDD100K数据集的JSON文件中目标位置是以框左上角坐标(box_xmin，box_ymin)和右下角坐标(box_xmax，box_ymax)确定的，设计代码按照以下公式将标注信息转换成Darknet框架下的格式：

x_center＝(box_xmin+box_xmax)/(2×picture_width)

y_center＝(box_ymin+box_ymax)/(2×picture_height)

width＝(box_xmax-box_xmin)/picture_width

height＝(box_ymax-box_ymin)/picture_height，

其中，(x_center,y_center)表示标注框中心点坐标，width表示标注框的宽，height表示标注框的高，转换后每个图片的TXT标注框格式变为：

object-classx_centery_centerwidthheight，

将BDD100K数据集文件目录结构转化为形如PASCAL VOC数据集文件目录结构，将带有标注信息的TXT文件放入Labels文件夹，将生成XML文件放入Annotation文件夹中，BDD100K中的图片放入JPEGImages文件夹中，用于模型训练和验证图片的名字分别写入ImageSets目录下Main文件夹中train.txt和val.txt中。