[发明专利]一种基于深度学习的道路交叉口识别系统及方法

摘要

本发明提供一种基于深度学习的道路交叉口识别系统及方法，本发明通过对深度学习网络进行了改进，由低到高将低层和高层的卷积层的特征图进行融合，能够将低层卷积层对图像的纹理、边缘等细节信息与高层卷积层对图像的语义信息进行有效的融合，同时结合每层卷积层对应的RPN层的处理能力，有利于对小目标的检测，解决了道路交叉口识别不准确的问题。本发明通过设置4种尺寸和4种比例，从而得到16种不同的区域建议框，能够较好的覆盖全部类型的道路交叉口，增强对X形、Y形和复合型等交叉口的识别效果。

主权项

1.一种基于深度学习的道路交叉口识别系统，其特征在于：包括提取特征网络、区域建议网络、Roi Pooling网络和全连接网络；所述提取特征网络包括n个卷积层和n‑1个池化层，用于提取输入图像的feature maps；第一个卷积层的输入端用于输入待测影像，第i个卷积层的输出端连接第i个池化层的输入端，第i个池化层的输出端分别连接第i+1个卷积层的输入端和第i个RPN层的输入端，1≤i＜n；第n个卷积层的输出端连接所述Roi Pooling网络的输入端；所述区域建议网络包括n个RPN层，第i个RPN层的输入端连接第i个池化层的输出端，第n个RPN层的输入端连接第n个卷积层的输出端；第i个RPN层的输出端连接第i+1个RPN层的输入端；第n个RPN层的输出端连接所述Roi Pooling网络的输入端；所述Roi Pooling网络的输出端连接所述全连接网络的输入端，所述全连接网络的输出端用于输出图像识别结果。