首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于改进卷积神经网络的营运公路交通标志感知方法 

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:东南大学

摘要:本发明公开了一种基于改进卷积神经网络的营运公路交通标志感知方法,包括:构建营运公路场景交通标志图像数据集;根据营运公路场景交通标志图像数据集,构建用于营运公路场景交通标志检测的FasterR‑CNN‑DTS‑OH模型、SSD‑DTS‑OH模型、EfficientDet‑DTS‑OH模型、YOLOv5‑DTS‑OH模型,用于获取检测框坐标;基于获取的检测框数据,构建营运公路交通标志分类数据集;根据营运公路交通标志分类数据集,构建用于营运公路场景交通标志分类的YOLOv5‑FBN‑CTS‑OH模型、YOLOv7‑FBN‑CTS‑OH模型、YOLOv8‑FBN‑CTS‑OH模型、YOLOv5‑RFB‑PPM‑CTS‑OH模型、YOLOv7‑RFB‑PPM‑CTS‑OH模型和YOLOv8‑RFB‑PPM‑CTS‑OH模型,用于获取到营运公路场景交通标志分类结果。本发明构建的营运公路场景交通标志检测和识别模型有助于交通管理部门进行道路设施的维护,提高驾驶人员在营运公路场景当中的安全性,减少交通事故的发生。

主权项:1.基于改进卷积神经网络的营运公路交通标志感知方法,其特征在于,包括如下步骤:S1:构建营运公路场景交通标志图像数据集;S2:根据营运公路场景交通标志图像数据集,构建用于营运公路场景交通标志检测的FasterR-CNN-DTS-OH模型、SSD-DTS-OH模型、EfficientDet-DTS-OH模型、YOLOv5-DTS-OH模型,通过对比这4种模型的训练与测试效果,优选出性能最好的模型,并用于获取营运公路场景中交通标志检测框坐标;S3:基于获取的检测框数据,构建营运公路交通标志分类数据集;S4:根据营运公路交通标志分类数据集,构建用于营运公路场景交通标志分类的YOLOv5-FBN-CTS-OH模型、YOLOv7-FBN-CTS-OH模型、YOLOv8-FBN-CTS-OH模型、YOLOv5-RFB-PPM-CTS-OH模型、YOLOv7-RFB-PPM-CTS-OH模型和YOLOv8-RFB-PPM-CTS-OH模型,通过对比这6种模型的训练与测试效果,优选出性能最好的模型,并用于营运公路场景交通标志分类结果。

全文数据:

权利要求:

百度查询: 东南大学 基于改进卷积神经网络的营运公路交通标志感知方法

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。