申请/专利权人：展讯通信(上海)有限公司

申请日：2020-08-28

公开（公告）日：2022-09-20

公开（公告）号：CN112016467B

主分类号：G06V20/58

分类号：G06V20/58;G06V20/40;G06V10/44;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2022.09.20#授权;2020.12.18#实质审查的生效;2020.12.01#公开

摘要：本发明提供一种交通标志识别模型训练方法、识别方法、系统、设备及介质，该训练方法包括：获取样本数据集；根据样本数据集对交通标志识别模型进行训练；该模型包括下采样网络、特征提取网络和标志预测网络；下采样网络包括若干下采样模块；特征提取网络包括空间注意力模块、若干上采样模块及加权模块；空间注意力模块用于对预定下采样模块输出的特征图像进行处理，得到目标尺寸特征图像；若干上采样模块分别用于将相应下采样模块输出的特征图像放大至目标尺寸；加权模块用于根据所述目标尺寸特征图像得到整体特征图像；标志预测网络用于根据整体特征图像得到对应训练图像中交通标志的预测边界框。本发明能够提高交通标志识别的准确性和效率。

主权项：1.一种交通标志识别模型训练方法，其特征在于，包括：获取样本数据集，所述样本数据集包括若干训练图像，所述训练图像中标注有交通标志的实际边界框和实际类别；根据所述样本数据集对预先建立的交通标志识别模型进行训练；其中，所述交通标志识别模型包括依次级联的下采样网络、特征提取网络和标志预测网络；所述下采样网络包括若干下采样模块；所述特征提取网络包括空间注意力模块、若干采样倍数不同的上采样模块、以及加权模块；所述空间注意力模块用于对预定所述下采样模块输出的特征图像进行处理，得到尺寸为目标尺寸的特征图像；若干所述上采样模块分别用于将相应所述下采样模块输出的特征图像放大至所述目标尺寸，得到若干尺寸为所述目标尺寸的特征图像；所述加权模块用于对所述空间注意力模块及若干所述上采样模块得到的特征图像进行加权处理，得到整体特征图像；所述标志预测网络用于对所述整体特征图像进行处理，得到对应所述训练图像中交通标志的预测边界框和预测类别。

全文数据：

权利要求：

百度查询： 展讯通信(上海)有限公司 交通标志识别模型训练方法、识别方法、系统、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD