[发明专利]基于位置相关的卷积与Fire模型的红绿灯检测方法有效
申请号: | 201710342500.7 | 申请日: | 2017-05-16 |
公开(公告)号: | CN107194343B | 公开(公告)日: | 2019-11-22 |
发明(设计)人: | 王琦;李学龙;孟照铁 | 申请(专利权)人: | 西北工业大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08 |
代理公司: | 61204 西北工业大学专利中心 | 代理人: | 常威威<国际申请>=<国际公布>=<进入 |
地址: | 710072 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种基于位置相关的卷积与Fire模型的红绿灯检测方法。该方法采用串联多个Fire模型作为主干卷积网络FireNet,在FireNet最后一层特征图后面添加位置相关的卷积层,并对网络进行训练,利用训练好的网络进行红绿灯检测。由于Fire模型的参数少、运行空间需求低,更加有利于在嵌入式设备上运行;FireNet作为卷积网络具有更强大的特征表达能力,可以充分挖掘不同场景中红绿灯的信息,得到更加准确的特征表达;在FireNet最后一层特征图后面添加位置相关的卷积层,可以提高定位的精确度,有效地检测较小的和多种类别的红绿灯。 | ||
搜索关键词: | 基于 位置 相关 卷积 fire 模型 红绿灯 检测 方法 | ||
【主权项】:
1.一种基于位置相关的卷积与Fire模型的红绿灯检测方法,其特征包括以下步骤:/n步骤1:采集真实交通场景中各种条件下的红绿灯样本,对采集到的每一帧图像进行标注,标注出红绿灯的边界框和具体类别,将标注后的图片集分为训练集和测试集,分别用于网络模型的训练与验证,训练集图片数量大于测试集图片数量;所述的类别包括水平和垂直两个方向的绿灯、红灯、绿灯直行、绿灯左转、红灯直行、红灯左转;/n步骤2:将N个Fire模型串联起来组合成主干卷积网络FireNet,以用来提取特征;其中,所述的Fire模型为由M1个卷积核大小为1×1和M2个卷积核大小为3×3的卷积层组合而成,N>5,M1>2,M2>2;/n步骤3:利用步骤1得到的训练集,对主干卷积网络FireNet进行分类预训练,得到网络初始化权重;/n步骤4:在主干卷积网络FireNet的最后一层特征图后添加一个基于Anchor的轻量级检测层;在主干卷积网络FireNet最后一层的特征图后添加位置相关的卷积层;再添加一个池化层将基于Anchor的检测层和位置相关的卷积层结合起来,得到最终的网络;/n步骤5:利用步骤3得到的初始化权重对步骤4得到的最终的网络进行初始化,再利用步骤1得到的训练集对其进行训练,并用训练好的网络对测试图像进行检测,即可得到红绿灯的位置和具体类别。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北工业大学,未经西北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710342500.7/,转载请声明来源钻瓜专利网。
- 上一篇:一种多媒体健身器用设备
- 下一篇:底面上凹弧形快速滑雪板