[发明专利]一种基于YOLO v4算法的交通标志检测方法

权利要求书

1.一种基于YOLO v4算法的交通标志检测方法，其特征在于，包括：

S1：获取训练数据中的交通标志图像，并对其进行分辨率调整；

S2：选取交通标志数据集作为训练数据，并对训练数据进行格式转换；

S3：将格式转换后的交通标志数据集输入至改进后的YOLO v4算法中进行训练，获取训练完成的交通标志检测模型；

S4：将分辨率调整后的交通标志图像输入至训练后的交通标志检测模型中，进行交通标志的检测。

2.根据权利要求1所述的基于YOLO v4算法的交通标志检测方法，其特征在于，S1中，将训练数据中不同分辨率的交通标志图像分辨率调整为固定分辨率交通标志图像。

3.根据权利要求1所述的基于YOLO v4算法的交通标志检测方法，其特征在于，所述改进后的YOLO v4算法为加入注意力机制SENet的YOLO v4算法，该算法的流程包括：

1)挤压操作：

通过使用全局平均池化将输入的特征图像U_k压缩为一个实数Y_k，Y_k中包括特征图像U_k的全部信息；

2)激励操作：

将全局特征描述Y_k输入至激励操作中，经过激励操作的处理得到特征图像U_k的每个通道的权重；

3)融合操作：

将计算得到的每个通道的权重与进行挤压操作、激励操作之前的特征图像相乘以进行特征图的融合，抑制对特征图像U_k中自爆绝缘子信息的增强和无关背景信息。

4.根据权利要求3所述的基于YOLO v4算法的交通标志检测方法，其特征在于，实数Y_k的计算式为：

式中，U_k为卷积后得到的特征图，C为U_k的通道总数，k为通道数，W×H代表特征图U_k的空间维度。

5.根据权利要求1所述的基于YOLO v4算法的交通标志检测方法，其特征在于，在S4之前，还包括数据增强步骤。

6.根据权利要求5所述的基于YOLO v4算法的交通标志检测方法，其特征在于，所述数据增强步骤的具体内容为：

采用mosaic数据增强方法对训练数据的各图像进行随机裁剪，然后将各图像拼接到一张图上作为训练数据后，输入至改进后的YOLO v4网络中进行训练。

7.根据权利要求1所述的基于YOLO v4算法的交通标志检测方法，其特征在于，S4的具体实现过程包括：

S41：选择注意力机制网络SENet应加入到YOLO v4模型中的位置；

S42：在主干网络CSPDarknet 53网络中加入注意力机制网络SENet；

S43：在检测模块YOLO Head中加入注意力机制网络SENet；

S44：在改进后的YOLO v4模型中设置不同超参数的值，直至取得对交通标志图像中交通标志检测的最优结果。

8.根据权利要求1所述的基于YOLO v4算法的交通标志检测方法，其特征在于，S2中，选取公开的交通标志数据集TT100K作为训练数据。