[发明专利]基于多尺度信息和残差网络的小目标交通标志检测方法

权利要求书

1.一种基于多尺度信息和残差网络的小目标交通标志检测方法，包括下列步骤：

第一步，准备包含不同种类交通标志的数据集，划分训练集和测试集。

第二步，网络搭建，包括特征提取网络、区域生成网络、兴趣区域池化层和全连接层，具体搭建方法如下：

(1)使用ResNet101作为特征提取网络的骨干：为获取图片的多尺度信息，在特征提取网络中添加3个使用空洞卷积的卷积层并行分支，且这三个卷积层只有空洞卷积的膨胀率不同，共享其他参数，将训练集图片输入特征提取网络，在3个并行分支上生成3个包含不同尺度信息的特征图，将这3个特征图在通道维度上进行连接；

(2)将上述特征图输入到区域生成网络RPN中，对于每个分支的特征图，RPN生成不同的提议区域；

(3)将特征提取网络生成的特征图和RPN生成的提议区域共同输入兴趣区域池化层，兴趣区域池化层首先将提议区域映射到特征图上，然后进行最大值池化操作，最终输出各个提议区域对应的特征；

(4)将兴趣区域池化层输出的特征输入到全连接层，全连接层对输入图片的类别和边界框进行预测。

第三步，训练所搭建的网络，得到网络模型：使用gradual warmup的方法优化学习率，在训练的过程中，学习率从0开始逐渐增大到设置值；在训练过程中，每次迭代，将随机选取的训练集图片输入所搭建的网络，得到图片中交通标志的类别预测值和边界框预测值，计算预测值和json文件中真实值的误差得到损失函数，采用随机梯度下降SGD更新网络参数，不断重复此过程直至误差不再减小，从而得到用于检测小目标交通标志的网络模型。