【技术实现步骤摘要】
改进YOLOV4网络、交通标志检测方法、设备及介质
[0001]本申请涉及汽车
,特别是涉及一种改进
YOLOV4
网络
、
交通标志检测方法
、
设备及介质
。
技术介绍
[0002]YOLO
网络是计算机视觉领域中著名的模型之一,该网络的全称为
You Only Look Once。YOLO
网络与其他卷积神经网络不同的是,
YOLO
网络可以将物体分类和物体定位两个任务统一为一个回归问题,从而可以在一次检测中实现两个任务,因此受到广泛的应用
。
[0003]目前,
YOLO
已经更新迭代了多个版本,根据不同的应用场景的需要,可以采用不同版本的
YOLO
网络,例如可以使用
YOLOV4
网络对交通标志图像进行检测
。
交通标志检测主要应用于辅助智能驾驶和自动驾驶领域,是智能交通系统的核心技术之一
。
[0004]虽然传统
YOLOV4
网络可以满足交通标志检测场景的实时性要求,但是在检测精度上还不是很理想,尤其还存在着小目标检测精度不高的问题
。
技术实现思路
[0005]基于此,本申请提供了一种改进
YOLOV4
网络
、
交通标志检测方法
、
设备及介质,可以改善现有技术中小目标检测精度不高的问题
。
[000 ...
【技术保护点】
【技术特征摘要】
1.
一种改进
YOLOV4
网络,应用于交通标志检测,其特征在于,所述改进
YOLOV4
网络的
FPN
网络包括依次连接的至少一个融合模块,各融合模块包括依次连接的第一卷积模块
、add
层
、
第二卷积模块及
concat
层,其中:所述第一卷积模块的输出还与所述
concat
层连接;所述第一卷积模块用于通道压缩和小目标特征提取;所述第二卷积模块用于信息整合;在交通标志图像的低层次图像通过所述第一卷积模块分别输入所述
add
层和
concat
层,且高层次图像输入所述
add
层后,所述低层次图像与所述高层次图像在
add
层进行相加;相加的结果通过所述第二卷积层输入所述
concat
层,与所述
concat
层中的低层次图像进行拼接,得到融合图像
。2.
根据权利要求1所述的改进
YOLOV4
网络,其特征在于,各融合模块还包括第三卷积模块
、
第四卷积模块及上采样层,其中:所述第一卷积模块
、add
层
、
第二卷积模块
、concat
层以及第三卷积模块依次连接;所述第一卷积模块的输出还与所述
concat
层连接;所述第四卷积模块
、
上采样层及
add
层依次连接;所述第三卷积模块用于特征提取,所述第四卷积模块用于通道压缩;所述上采样层用于放大图像尺寸;在交通标志图像的低层次图像通过所述第一卷积模块分别输入所述
add
层和
concat
层,且高层次图像通过所述第四卷积模块和上采样层输入所述
add
层后,所述低层次图像与所述高层次图像在
add
层进行相加;相加的结果通过所述第二卷积层输入所述
concat
层,与所述
concat
层中的低层次图像进行拼接,得到融合图像;所述融合图像通过第三卷积模块输入所述改进
YOLOV4
网络的头部网络,或通过第三卷积模块输出作为下一个融合模块的高层次图像
。3.
根据权利要求1或2所述的改进
YOLOV4
网络,其特征在于,所述改进
YOLOV4
网络的主干网络包括依次连接的至少一个
CSP
模块,各
CSP
模块还包括最大池化层,其中:所述最大池化层设置在
CPS
模块的残差边上;所述最大池化层用于减少背景信息,以增强所述融合模块的第一卷积模块的小目标特征提取的效果,从而提升所述改进
YOLOV4
网络的小目标检测精度
。4.
根据权利要求3所述的改进
YOLOV4
网络,其特征在于,各
CSP
模块还包括第一注意力模块,其中:所述第一注意力模块连接在
CPS
模块的
concat
层的后面;所述第一注意力模块用于提高小目标特征的权重
。5.
根据权利要求4所述的改进
YOLOV4
网络,其特征在于,各
CSP
模块包括第二注意力模块,其中:所述第二注意力模块连接在
CPS
模块的至少一个残差模块的后面;所述第二注意力模块用于提升所述改进
YOLOV4
网络的整体检测精度<...
【专利技术属性】
技术研发人员:吴鸿飞,龙政方,朱乾勇,韩波,邓凌天,陈建伟,
申请(专利权)人:赛力斯汽车有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。