[发明专利]训练图像生成、定位检测网络训练、定位检测方法及装置

说明书

本申请公开了一种训练图像生成、定位检测网络训练、定位检测方法及装置，所述方法包括：获取第一训练图像，所述第一训练图像为第一数量个标注有交通信号灯的位置信息的交通信号灯图像；基于所述第一训练图像对第一预设神经网络进行交通信号灯定位检测训练，得到初始训练数据生成网络；基于所述初始训练数据生成网络对所述第一训练图像进行数据扩充，得到第二训练图像；基于所述第二训练图像对所述初始训练数据生成网络进行交通信号灯定位检测训练，得到目标训练数据生成网络；基于所述目标训练数据生成网络对所述第二训练图像进行数据扩充，得到目标训练图像。利用本申请的技术方案可以得到泛化能力较高的定位检测模型，提高信号灯的定位准确率。

技术领域

本申请涉及图像识别技术领域，具体涉及一种训练图像生成、定位检测网络训练、定位检测方法及装置。

背景技术

随着人工智能技术的发展，自动驾驶逐步开始应用到人们的出行中，而交通信号灯检测是自动驾驶的关键技术之一。如果无法正确地检测出交通信号灯的位置，可能导致自动驾驶车辆违反交通规则，甚至可能造成严重的交通事故。

现有技术中主要使用深度检测网络YOLOv3进行交通信号灯的检测，通过对待检测图像和网络权重进行二值化处理虽然缩减了网络运算量和权重存储空间，但其检测精度也受到较大影响，在一些复杂场景下容易出现漏检或检错等问题。另外，由于在网络训练中通常使用全量的标注图像，训练图像集的收集与准备需要花费大量时间与人力。因此，现有技术难以真正实现交通信号灯的准确定位，需要提供更加有效的技术方案。

发明内容

本申请提供了一种训练图像生成、定位检测网络训练、定位检测方法及装置，可以获得泛化能力较强的定位检测网络从而提高交通信号灯定位的准确性，本申请技术方案如下：

一方面，提供了一种训练图像生成方法，所述方法包括：

获取第一训练图像，所述第一训练图像为第一数量个标注有交通信号灯的位置信息的交通信号灯图像；

基于所述第一训练图像对第一预设神经网络进行交通信号灯定位检测训练，得到初始训练数据生成网络；

基于所述初始训练数据生成网络对所述第一训练图像进行数据扩充，得到第二训练图像；

基于所述第二训练图像对所述初始训练数据生成网络进行交通信号灯定位检测训练，得到目标训练数据生成网络；

基于所述目标训练数据生成网络对所述第二训练图像进行数据扩充，得到目标训练图像。

另一方面，提供了一种定位检测网络训练方法，所述方法包括：

获取训练图像，所述训练图像包括标注有交通信号灯的位置信息的交通信号灯图像；

将所述训练图像输入第二预设神经网络进行交通信号灯定位检测训练，在训练过程中基于反向传播算法调整所述第二预设神经网络的网络参数至所述第二预设神经网络输出的所述训练图像中交通信号灯的预测位置信息与标注的交通信号灯的位置信息相匹配，得到所述定位检测网络；

其中，所述训练图像是基于如上述的训练图像生成方法生成后得到的。

另一方面，提供了一种定位检测方法，所述方法包括：

获取待检测图像；

将所述待检测图像输入定位检测网络进行交通信号灯定位检测；

当检测到所述待检测图像中包含交通信号灯时，输出所述待检测图像中交通信号灯的位置信息；

其中，所述定位检测网络是基于如上述的定位检测网络训练方法训练后得到的。

另一方面，提供了一种训练图像生成装置，所述装置包括：