[发明专利]用于自动驾驶的基于BiSeNet的交通标志识别方法及装置

权利要求书

1.一种用于自动驾驶的基于BiSeNet的交通标志识别方法，其特征在于，包括：

将包含路面交通标志的图像输入改进的BiSeNet模型，所述改进的BiSeNet模型为：在BiSeNet模型的基础上分别将细节分支的各个层和语义分支的各个层与聚合层进行连接；

在所述图像前向传播中，分别获得所述细节分支输出的多个不同尺寸的特征和所述语义分支输出的多个不同尺寸的特征；

按设定规则将所述细节分支输出的多个不同尺寸的特征与所述语义分支输出的多个不同尺寸的特征在所述聚合层合并，获得合并后的特征；

根据所述获得的合并后的特征，输出所述图像的路面交通标志信息。

2.根据权利要求1所述的方法，其特征在于，所述在所述图像前向传播中，分别获得所述细节分支输出的多个不同尺寸的特征和所述语义分支输出的多个不同尺寸的特征，包括：

在所述图像前向传播中，获得所述细节分支3个阶段输出的3个不同尺寸的特征，所述3个不同尺寸的特征包括尺寸为所述图像尺寸1/2的1/2特征、尺寸为所述图像尺寸1/4的1/4特征、尺寸为所述图像尺寸1/8的1/8特征；

在所述图像前向传播中，获得所述语义分支4个阶段输出的4个不同尺寸的特征，所述4个不同尺寸的特征包括尺寸为所述图像尺寸1/4的1/4特征、尺寸为所述图像尺寸1/8的1/8特征、尺寸为所述图像尺寸1/16的1/16特征、尺寸为所述图像尺寸1/32的1/32特征。

3.根据权利要求2所述的方法，其特征在于，所述按设定规则将所述细节分支输出的多个不同尺寸的特征与所述语义分支输出的多个不同尺寸的特征在所述聚合层合并，获得合并后的特征，包括：

按设定规则，将所述细节分支不同阶段输出的不同尺寸的特征与所述语义分支不同阶段输出的不同尺寸的特征引入所述聚合层的不同融合模型，采用级联残差的方式进行合并，获得合并后的特征。

4.根据权利要求3所述的方法，其特征在于，所述按设定规则，将所述细节分支不同阶段输出的不同尺寸的特征与所述语义分支不同阶段输出的不同尺寸的特征引入所述聚合层的不同融合模型，采用级联残差的方式进行合并，获得合并后的特征，包括：

将所述语义分支的1/32特征和所述细节分支的1/8特征引入所述聚合层的第一融合模型，并融合生成第一特征；

将所述语义分支的1/16特征和所述细节分支的1/4特征引入所述聚合层的第二融合模型，并融合生成第二特征；

将所述语义分支的1/8特征和所述细节分支的1/2特征引入所述聚合层的第三融合模型，并融合生成第三特征；

将所述第一特征和第二特征在所述聚合层融合生成第四特征；

将所述第一特征和第四特征在所述聚合层拼接生成第五特征；

将所述第五特征和第三特征在所述聚合层融合生成第六特征；

将所述第六特征和第五特征在所述聚合层拼接生成第七特征，所述第七特征为所述获得的合并后的特征。

5.根据权利要求3或4所述的方法，其特征在于，所述改进的BiSeNet模型为：在BiSeNet模型的基础上分别将细节分支的各个层和语义分支的各个层与聚合层的不同融合模型进行短路连接。

6.一种用于自动驾驶的基于BiSeNet的交通标志识别装置，其特征在于，包括：

输入模块，用于将包含路面交通标志的图像输入改进的BiSeNet模型，所述改进的BiSeNet模型为：在BiSeNet模型的基础上分别将细节分支的各个层和语义分支的各个层与聚合层进行连接；

特征获取模块，用于在所述输入模块输入的图像前向传播中，分别获得所述细节分支输出的多个不同尺寸的特征和所述语义分支输出的多个不同尺寸的特征；

合并模块，用于按设定规则将所述特征获取模块获得的所述细节分支输出的多个不同尺寸的特征和所述语义分支输出的多个不同尺寸的特征在所述聚合层合并，获得合并后的特征；

输出模块，用于根据所述合并模块获得的合并后的特征，输出所述图像的路面交通标志信息。