[发明专利]基于神经网络的交通标志图片识别方法、装置及存储介质

权利要求书

1.基于神经网络的交通标志图片识别方法，其特征在于，该方法包括：

获取待识别交通标志图片，所述图片的尺寸为任意的；

对所述待识别交通标志图片进行卷积处理得到第一特征图；

对所述第一特征图进行下采样处理得到不同感受野下的特征图；

对所述不同感受野下的特征图分别进行上采样处理得到相同尺寸的特征图；

将所述相同尺寸的特征图和所述第一特征图融合得到融合特征图；

根据所述融合特征图确定交通标志在所述待识别交通标志图片的坐标和类型；

所述根据所述融合特征图确定交通标志在所述待识别交通标志图片的坐标和类型，具体包括：

对所述融合特征图进行降维度的全卷积，根据所述全卷积的结果确定交通标志在所述待识别交通标志图片的坐标和类型。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一特征图进行下采样处理得到不同感受野下的特征图，包括：

以不同的卷积核依次对所述第一特征图进行卷积处理，分别得到与所述不同的卷积核相对应的不同感受野下的特征图。

3.根据权利要求2所述的方法，其特征在于，所述对所述不同感受野下的特征图分别进行上采样处理得到相同尺寸的特征图，包括：

以不同的反卷积核对所述不同感受野下的特征图分别进行反卷积处理得到相同尺寸的至少一个共享特征图，所述反卷积核与所述不同的卷积核对应。

4.根据权利要求3所述的方法，其特征在于，所述将所述相同尺寸的特征图和所述第一特征图融合得到融合特征图，包括：

将所述相同尺寸的至少一个共享特征图和所述第一特征图进行连接得到融合特征图，所述第一特征图的尺寸与所述共享特征图的尺寸相同。

5.根据权利要求1所述的方法，其特征在于，所述全卷积的结果包括：置信度特征图，边框特征图，类型特征图以及；所述根据所述全卷积的结果确定交通标志在所述待识别交通标志图片的坐标和类型，包括：

根据置信度特征图确定是否存在交通标志；

若确定存在交通标志，则根据所述边框特征图确定所述交通标志的坐标；

根据所述类型特征图和所述置信度特征图确定所述交通标志的类型。

6.基于神经网络的交通标志图片识别装置，其特征在于，该装置包括：获取单元、卷积单元、下采样单元、上采样单元、融合单元和确定单元；

所述获取单元，用于获取待识别交通标志图片，所述图片的尺寸为任意的；

所述卷积单元，用于对所述待识别交通标志图片进行卷积处理得到第一特征图；

所述下采样单元，用于对所述第一特征图进行下采样处理得到不同感受野下的特征图；

所述上采样单元，用于对所述不同感受野下的特征图分别进行上采样处理得到相同尺寸的特征图；

所述融合单元，用于将所述相同尺寸的特征图和所述第一特征图融合得到融合特征图；

所述确定单元，用于根据所述融合特征图确定交通标志在所述待识别交通标志图片的坐标和类型；

所述根据所述融合特征图确定交通标志在所述待识别交通标志图片的坐标和类型，具体包括：

对所述融合特征图进行降维度的全卷积，根据所述全卷积的结果确定交通标志在所述待识别交通标志图片的坐标和类型。

7.根据权利要求6所述的装置，其特征在于，

所述下采样单元，具体用于以不同的卷积核依次对所述第一特征图进行卷积处理，分别得到与所述不同的卷积核相对应的不同感受野下的特征图；

所述上采样单元，具体用于以不同的反卷积核对所述不同感受野下的特征图分别进行反卷积处理得到相同尺寸的至少一个共享特征图，所述反卷积核与所述不同的卷积核对应。

8.根据权利要求7所述的装置，其特征在于，所述融合单元，具体用于将所述相同尺寸的至少一个共享特征图和所述第一特征图进行连接得到融合特征图，所述第一特征图的尺寸与所述共享特征图的尺寸相同。

9.一种存储介质，其上存储有程序数据，其特征在于，所述程序数据用于被处理器执行时实现权利要求1-5中任一项所述的基于神经网络的交通标志图片识别方法。