[发明专利]一种基于卷积神经网络的交通标志检测方法在审
| 申请号： | 201910443948.7 | 申请日： | 2019-05-27 |
| 公开（公告）号： | CN110210362A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 王子磊;刘芳睿 | 申请（专利权）人： | 中国科学技术大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京科迪生专利代理有限责任公司 11251 | 代理人： | 安丽;邓治平 |
| 地址： | 230026 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络的交通标志检测方法，包括如下步骤：步骤1：基于卷积神经网络构建分类与定位分离的交通标志检测网络；步骤2：在训练阶段，采用增强迭代训练方法训练所构建的交通标志检测网络，获得交通标志检测模型；步骤3：在使用阶段，采用分离融合预测方法，对输入图像进行目标检测，获得交通标志检测结果。本发明在复杂的交通监控场景中实现快速准确的交通标志检测，对环境的鲁棒性强，并且对小尺寸交通标志具有较高的检测准确率。 | ||
| 搜索关键词： | 交通标志检测 卷积神经网络 构建 交通标志 迭代训练 交通监控 目标检测 使用阶段 输入图像 训练阶段 鲁棒性 准确率 网络 场景 分类 检测 融合 预测 | ||
【主权项】：
1.一种基于卷积神经网络的交通标志检测方法，其特征在于，包括如下步骤：步骤1：基于卷积神经网络构建分类与定位分离的交通标志检测网络；所述分类与定位分离的交通标志检测网络由基础检测网络和目标分类网络两个分支构成，其中，基础检测网络由特征提取模块和目标检测模块构成，负责在输入图像中定位出交通标志的空间位置，即获得定位结果；目标分类网络由特征提取模块和区域分类模块构成，负责对检测出的交通标志进行分类，即获得分类结果，定位结果与分类结果一起构成最终的检测结果；步骤2：在训练阶段，采用增强迭代训练方法训练所构建的交通标志检测网络，获得交通标志检测模型；步骤3：在使用阶段，采用分离融合预测方法，对输入图像进行目标检测，获得交通标志检测结果。
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中国科学技术大学，未经中国科学技术大学许可，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/201910443948.7/，转载请声明来源钻瓜专利网。
