改进制造技术

本申请涉及一种改进

【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
。
[0006]第一方面，本申请提供了一种改进
YOLOV4
网络，应用于交通标志检测，该改进
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：第一卷积模块的输出还与
concat
层连接；第一卷积模块用于通道压缩和小目标特征提取；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第一卷积模块分别输入
add
层和
concat
层，且高层次图像输入
add
层后，低层次图像与高层次图像在
add
层进行相加；相加的结果通过第二卷积层输入
concat
层，与
concat
层中的低层次图像进行拼接，得到融合图像
。
[0007]结合第一方面，在第一方面的第一种可实施方式中，改进
YOLOV4
网络的
FPN
网络的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：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；第一卷积模块的输出还与
concat
层连接；第四卷积模块
、
上采样层及
add
层依次连接；第三卷积模块用于特征提取，第四卷积模块用于通道压缩；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第一卷积模块分别输入
add
层和
concat
层，且高层次图像通过第四卷积模块和上采样层输入
add
层后，低层次图像与高层次图像在
add
层进行相加；相加的结果通过第二卷积层输入
concat
层，与
concat
层中的低层次图像进行拼接，得到融合图像；融合图像通过第三卷积模块输入改进
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
。
[0008]结合第一方面或第一方面的第一种可实施方式，在第一方面的第二种可实施方式中，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：最大池化层设置在
CPS
模块的残差边上；最大池化层用于减少背景信息，以增强融合模块的第一卷积模块的小目标特征提取的效果，从而提升改进
YOLOV4
网络的小目标检测精度
。
[0009]结合第一方面的第二种可实施方式，在第一方面的第三种可实施方式中，各
CSP
模块还包括第一注意力模块，其中：第一注意力模块连接在
CPS
模块的
concat
层的后面；第一注意力模块用于提高小目标特征的权重
。
[0010]结合第一方面的第三种可实施方式，在第一方面的第四种可实施方式中，各
CSP
模块包括第二注意力模块，其中：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；第二注意力模块用于提升改进
YOLOV4
网络的的整体检测精度
。
[0011]结合第一方面的第四种可实施方式，在第一方面的第五种可实施方式中，各
CSP
模块还包括第一
CBM
模块
、
第二
CBM
模块
、
至少一个残差模块
、
第三
CBM
模块
、
第四
CBM
模块
、concat
层以及第五
CBM
模块，其中：第一
CBM
模块的输出分别通过主干部分和残差边与
concat
层连接；主干部分包括依次连接的第二
CBM
模块
、
至少一个残差模块
、
第二注意力模块及第三
CBM
模块；残差边包括依次连接的最大池化层及第四
CBM
模块；
concat
层
、
第一注意力模块及第五
CBM
模块依次连接；交通标志图像在输入第一
CBM
模块之后，分别通过主干网络和残差边输入
concat
层，以进行拼接；拼接的结果输入第一注意力模块和第五
CBM
模块，输出得到交通标志图像的高层次图像或低层次图像
。
[0012]结合第一方面的第一种可实施方式，在第一方面的第六种可实施方式中，主干网络包括依次连接的第一
CSP
模块
、
第二
CSP
模块
、
第三
CSP
模块
、
第四
CSP
模块
、
第五
CSP
模块
、
第一
CBL
模本文档来自技高网...

【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：