龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：无锡学院
摘要：本发明公开了一种基于轻量化卷积神经网络的交通标志检测方法，通过使用Ghost卷积和深度卷积构建新的主干模块，成功减少了参数量和计算量，从而提高算法的效率；引入SPDC模块增强了算法对多尺度特征信息的提取能力，进一步提升了模型的检测准确性；引入CARAFE上采样算子有助于增强特征网络的空间分辨率，使模型更精确地还原目标的细节信息；通过采用Focal‑EIoU损失函数替换传统的CIoU损失函数，成功解决了类别不平衡和边界框回归问题，有效提高了检测精度；改进后的模型方法不仅有效提升了交通标志检测的准确性，而且易于部署到嵌入式设备中实现实时在线检测，进一步提升了自动驾驶环境感知的智能化水平。
主权项：1.一种基于轻量化卷积神经网络的交通标志检测方法，其特征在于：包括以下步骤S1、获取交通标志数据集，交通标志数据集包括若干自然场景下含有交通标志的图像；S2、进行数据预处理，得到交通标志检测数据集，将交通标志检测数据集划分为训练集、验证集以及测试集；S3、以一阶段检测算法YOL0v5s网络为基础，搭建交通标志检测模型Light_YOL0v5s，交通标志检测模型Light_YOL0v5s包括GhostNet模块、C3_Ghost模块、SPDC模块、CARAFE算子以及Focal-EIoU损失函数；其中GhostNet模块用于扩充目标特征图，C3_Ghost模块用于减少模型参数及计算量，SPDC模块用于使交通标志检测模型在多个感受野范围内进行特征提取，CARAFE算子用于聚焦感受野中的有效信息以及进行特征增强，Focal-EIoU损失函数用于降低易分辨负样本的权重；S4、将训练集图像以及对应的图片标签输入搭建好的交交通标志检测模型Light_YOL0v5s进行训练，直至收敛；S5、将带有交通标志的图像输入到训练好的交通标志检测模型Light_YOL0v5s中，输出交通标志的位置信息、类别以及置信度；S6、用测试集对训练好的交通标志检测模型Light_YOL0v5s进行性能评估，输出模型的评价指标。
全文数据：
权利要求：
百度查询： 无锡学院 一种基于轻量化卷积神经网络的交通标志检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号