[发明专利]一种基于改进YOLOF模型的交通标志牌检测方法

权利要求书

1.一种基于改进YOLOF模型的交通标志牌检测方法，其特征在于，包括以下步骤：

对采集的交通标志牌样本进行增广，构建所述改进的YOLOF网络模型，所述改进的YOLOF网络模型包括主干网络、编码器和解码器；

其中所述主干网络包括特征模块，所述特征模块包括注意力机制模块；

将增广完成后的数据集输入改进的YOLOF网络模型进行训练；

对训练的所述改进的YOLOF网络模型进行检测，检测结果合格则结束检测。

2.根据权利要求1所述的方法，其特征在于，对采集的交通标志牌样本进行增广的过程中包括：

通过旋转增强、光照增强和遮挡增强对采集的所述交通标志牌样本进行增广。

3.根据权利要求1所述的方法，其特征在于，将增广完成后的数据集输入改进的YOLOF网络模型进行训练的过程中包括：

将所述增广完成后的数据集输入所述改进的YOLOF网络模型；

通过所述主干网络输出特征；

通过所述编码器对所述特征进行处理，获得全尺寸感受野特征图；

通过所述解码器进行回归分类处理。

4.根据权利要求3所述的方法，其特征在于，通过所述主干网络输出特征的过程中包括：

通过所述注意力机制模块对若干个通道赋予不同的权重，通过全局池化获得所述权重的值。

5.根据权利要求4所述的方法，其特征在于，对若干个通道赋予不同的权重，通过全局池化获得所述权重的值的过程中包括：

计算权重的计算公式为：

其中，表示输入n个特征值的第c个通道相关联输出，表示输入n个特征值坐标为(i,j)的第c个通道相关联输入，H表示输入图片的高，W表示输入图片的宽；

使用1×1卷积变换函数F(·)对公式（1）进行变换操作：

其中，为非线性激活函数，为对空间信息在水平方向和垂直方向进行编码的中间特征映射，表示高度为h的第c通道输出表示，表示宽度为w的第c通道输出表示；

沿着空间维数将分解为2个单独的张量和，再利用2个1×1卷积变换和分别将和变换为具有相同通道数的张量，公式如下所示：

其中，是sigmoid激活函数，为维度是的实数域空间，为维数是的实数域空间，为实数域空间，为输入数据的通道数，为下采样的比例；

（4）最后输出y写成：

则每个特征模块输出为Concat。

6.根据权利要求3所述的方法，其特征在于，通过所述编码器对所述特征进行处理，获得全尺寸感受野特征图的过程中包括：

对所述主干网络输出的特征使用1×1卷积减少通道数目；

基于3×3卷积对输入信息的高度和宽度降维，提取特征图中的语义信息和空间信息，获得通道数为512的特征图；

基于空洞残差单元对通道数为512的特征图连续进行4次处理，获得全尺度感受野特征图。

7.根据权利要求3所述的方法，其特征在于，通过所述解码器进行回归分类处理的过程中包括：对并行的回归分支和分类分支进行处理，其中，在所述回归分支中基于4个卷积层、批量归一化层和线性整流函数获取可变参数；

在所述分类分支中基于2个卷积层、批量归一化层和线性整流函数输出结果；

基于分类分支的输出结果和所述可变参数相乘，获得最终的分类置信度。

8.根据权利要求1所述的方法，其特征在于，对训练的改进的YOLOF网络模型进行检测，检测结果合格则结束检测的过程中包括：

使用总损失值来衡量训练效果，经过多次迭代后当损失值趋于稳定后，保存为训练模型。