[发明专利]交通标志牌检测方法、装置、电子设备及存储介质

权利要求书

1.一种交通标志牌检测方法，其特征在于，所述交通标志牌检测方法包括：

获取待检测图像；

对所述待检测图像进行预处理，获得预处理图像；

将所述预处理图像输入至预先训练好的交通标志牌检测模型中，获得检测结果，其中，所述交通标志牌检测模型是基于YOLOv3网络模型进行网络结构的改进获得的，所述网络结构的改进包括将EfficientNet网络与所述YOLOv3网络模型中的DarkNet53网络进行融合以及将所述DarkNet53网络与所述YOLOv3网络模型中提取的不同尺度的特征图的残差连接替换为所述融合网络与所述特征图的残差连接；

输出所述检测结果。

2.根据权利要求1所述的交通标志牌检测方法，其特征在于，所述获取待检测图像之前，所述交通标志牌检测方法还包括：

获取预设的所述YOLOv3网络模型；

将EfficientNet网络与所述YOLOv3网络模型中的DarkNet53网络进行融合，获得融合网络；

将所述DarkNet53网络与所述YOLOv3网络模型中提取的不同尺度的特征图的残差连接替换为所述融合网络与所述特征图的残差连接，获得初始模型；

获取预设训练集；

使用所述预设训练集对所述初始模型进行训练，获得训练好的交通标志牌检测模型。

3.根据权利要求2所述的交通标志牌检测方法，其特征在于，所述将EfficientNet网络与所述YOLOv3网络模型中的DarkNet53网络进行融合，获得融合网络包括：

将所述EfficientNet网络与所述YOLOv3网络模型中的DarkNet53网络进行通道合并，获得合并网络；

压缩所述合并网络，获得压缩网络；

通过预设的两个全连接神经层对所述压缩网络进行重组，获得注意力网络；

将所述注意力网络与所述合并网络进行注意力加权，获得所述融合网络。

4.根据权利要求2所述的交通标志牌检测方法，其特征在于，所述将所述预处理图像输入至预先训练好的交通标志牌检测模型中，获得检测结果包括：

将所述预处理图像输入至预先训练好的交通标志牌检测模型中，通过所述EfficientNet网络获取所述预处理图像的第一残差块，以及通过所述DarkNet53网络获取所述预处理图像的第二残差块；

根据所述第一残差块、所述第二残差块以及所述融合网络，生成第一特征图、第二特征图以及第三特征图；

根据所述第一特征图、第二特征图以及第三特征图，生成所述检测结果。

5.根据权利要求4所述的交通标志牌检测方法，其特征在于，所述根据所述第一特征图、第二特征图以及第三特征图，生成所述检测结果包括：

通过预设聚类获得的多个先验框对所述第一特征图、所述第二特征图以及所述第三特征图进行预测，获得交通标志牌的坐标；

将所述交通标志牌的坐标确定为所述检测结果。

6.根据权利要求4所述的交通标志牌检测方法，其特征在于，所述根据所述第一残差块、所述第二残差块以及所述融合网络，生成第一特征图、第二特征图以及第三特征图包括：

所述第一残差块以及所述第二残差块输入至所述融合网络，并进行第一卷积运算，获得所述第一特征图；

对所述第一残差块以及所述第一卷积运算进行第一拼接操作，获得第一拼接结果，并对所述第一拼接结果进行第二卷积运算，获得第二特征图；

对所述第二残差块以及所述对所述第一拼接结果进行第二卷积运算获得的结果进行第二拼接操作，获得第二拼接结果，对所述第二拼接结果进行第三卷积运算，获得第三特征图。

7.根据权利要求6所述的交通标志牌检测方法，其特征在于，所述第一卷积运算、所述第二卷积运算以及所述第三卷积运算均包括第一卷积操作、第二卷积操作以及第三卷积操作，所述第一卷积操作包括5个卷积层、1个归一化层以及1个激活层，所述第二卷积操作包括1个卷积层、1个归一化层以及1个激活层，所述第三卷积操作包括1个卷积层。