CN111753787B 一种分离式的交通标志检测与识别方法 （江苏金海星导航科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN111753787B(45)授权公告日2025.01.10

(21)申请号202010620101.4

(22)申请日2020.07.01

(65)同一申请的已公布的文献号申请公布号CN111753787A

(43)申请公布日2020.10.09

(73)专利权人江苏金海星导航科技有限公司地址212000江苏省镇江市京口区宗泽路

60号3楼

(72)发明人金文杨熙岑翼刚万晴

(74)专利代理机构深圳深瑞知识产权代理有限公司44495

专利代理师刘慧玲

GO6N3/082(2023.01)

GO6V10/774(2022.01)

GO6V10/26(2022.01)

GO6V10/82(2022.01)

GO6V10/764(2022.01)

(56)对比文件

CN110532859A,2019.12.03

CN110598731A,2019.12.20

审查员于淼

(51)Int.CI.

GO6V20/58(2022.01)

GO6N3/0464(2023.01)权利要求书1页说明书5页附图3页

(54)发明名称

一种分离式的交通标志检测与识别方法

(57)摘要

CN111753787B本发明公开了一种分离交通检测方法，本发明通过一个用于交通标志检测的YOLOv3-SPP-SE网络和一个用于交通标志分类的MobileNetv3-small网络完成对交通标志的检测与识别；首先通过将视频流解码为用于检测的图片，并缩放至相应大小；然后将图片输入剪枝YOLOv3-SPP-SE检测交通标志；接着根据交通标志检测结果获取交通标志在图片中的坐标，将交通标志图像送入MobileNetv3-small进行分类识别；最后输出检测与识别的结果。本发明可以准确地对自然场景中的交通标志进行检测与识别，在计算受限的移动场景下能保持实时地检测与识别；分离式检测

CN111753787B

开

开始

输入视频流

视频流解码为图片

剪枝YOLOv3-SPP-SE检测

检测结果

否是交

是

MobileNetv3-small分类

分类结果

结束

CN111753787B权利要求书1/1页

2

1.一种分离式的交通标志检测与识别方法，其特征在于按照以下步骤进行：

步骤1:对Tsinghua-Tencent100K图像数据集进行裁剪预处理；

步骤2:使用处理后的数据集训练YOLOv3-SPP模型，选择训练过程中性能最优模型作为基础模型；

步骤3:对基础模型进行稀疏训练，诱导BatchNormalization层的γ尺度因子变得稀疏，得到稀疏模型；

步骤4:使用融合剪枝mask的通道剪枝方法对稀疏模型进行剪枝，得到剪枝后的YOLOv3-SPP网络结构和相应权重；

步骤4中剪枝的具体步骤如下：步骤4-1:取所有的γ值，并将其按照值从小到大排序；步骤4-2:根据通道剪枝比例，从选取排序后的γ中选取该比例下的γ值作为全局阈值；步骤4-3:根据全局阈值，计算每一个卷积层的剪枝mask,同时保留最小通道数；步骤4-4:以每次下采样为组别，对所有卷积层进行分组，共分为5组；步骤4-5:对每一个组内的卷积层的剪枝mask取并集，得到5组剪枝mask;步骤4-6:使用不同的剪枝mask对该组内的卷积层进行剪枝；

步骤5:对剪枝模型嵌入SE结构，得到YOLOv3-SPP-SE,SE结构为Squeeze-and-

Excitation结构，具体的，在特征提取网络中每次下采样后的第一个残差块内，对该残差块内的残差分支嵌入SE结构；首先获取该分支输出的通道数目；接着对该分支输出的特征图进行全局平均池化；然后经过一个两层的全连接网络，该网络输入维度与通道数目一致，第一层输出维度为通道数目的四分之一，采用ReLU激活，第二层输出维度为通道数目一致，采用Sigmoid激活；最后使用全连接的输出对该残差分