[发明专利]一种多尺度反卷积神经网络的交通标志实时检测识别方法在审
| 申请号： | 201810617284.7 | 申请日： | 2018-06-15 |
| 公开（公告）号： | CN108898078A | 公开（公告）日： | 2018-11-27 |
| 发明（设计）人： | 裴颂文;汤福武 | 申请（专利权）人： | 上海理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 北京纪凯知识产权代理有限公司 11245 | 代理人： | 陆惠中;王永伟 |
| 地址： | 200093 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及计算机应用技术领域机器学习理论及应用子领域，特别是一种多尺度反卷积神经网络的交通标志实时检测识别方法。包括以下步骤：S1：采集交通标志照片或视频；S2：输入CRN模型，经过卷积和池化，提取图片特征信息；S3：将CRN模型的最后一层特征图作为MFPN模型的输入，经过卷积形成多个特征图，再经过反卷积对不同特征图进行融合；S4：将MFPN模型的最后一层特征图，经过卷积，形成多个特征图；S5：对多个特征图进行拼接；S6：经过多尺度检测，得到交通标志的位置信息和类别信息。本发明的技术方案通过上采样和底层特征做横向连接融合，充分利用了底层和顶层特征信息，在检测和识别小目标的交通标志上取得了长足进步，提高检测精度。 | ||
| 搜索关键词： | 特征图 交通标志 反卷积 卷积 神经网络 实时检测 多尺度 计算机应用技术 多尺度检测 底层特征 横向连接 机器学习 类别信息 特征信息 图片特征 上采样 小目标 子领域 融合 顶层 检测 池化 拼接 视频 采集 应用 | ||
【主权项】：
1.一种多尺度反卷积神经网络的交通标志实时检测识别方法，其特征在于，包括以下步骤：S1：采集交通标志照片或视频；S2：输入CRN模型，经过卷积和池化，提取图片特征信息；S3：将CRN模型的最后一层特征图作为MFPN模型的输入，经过卷积形成多个特征图，再经过反卷积对不同特征图进行融合；S4：将MFPN模型的最后一层特征图，经过卷积，形成多个特征图；S5：对多个特征图进行拼接；S6：经过多尺度检测，得到交通标志的位置信息和类别信息。
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上海理工大学，未经上海理工大学许可，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/201810617284.7/，转载请声明来源钻瓜专利网。
