[发明专利]交通标志识别方法、装置、电子设备及计算机存储介质

权利要求书

1.一种交通标志识别方法，其特征在于，包括：

获取预设的交通标志数据集，所述交通标志数据集包括训练集和验证集；

采用预设的聚类算法对所述交通标志数据集中的交通标志进行聚类，确定各类所述交通标志的尺寸；

使用所述训练集对预设的交通标志识别模型进行训练，得到训练后的交通标志识别模型；

采用训练后的所述交通标志识别模型对待识别交通标志进行识别，确认所述待识别交通标志的类别。

2.根据权利要求1所述的交通标志识别方法，其特征在于，所述采用预设的聚类算法对所述交通标志数据集中的交通标志进行聚类，确定各类所述交通标志的尺寸，包括：

设置预设数量的聚类，并确定对应数量的初始聚类中心；

计算所述交通标志数据集中每个交通标志数据中数据点距离所述初始聚类中心的距离；

将所述距离在预设范围内的数据点确定为聚类中心所在的簇；

将所述簇的所有数据的中心点作为所述聚类的中心点，直到所述聚类的中心点不再移动，将所述聚类的中心点作为所述聚类的交通标志尺寸。

3.根据权利要求1所述的交通标志识别方法，其特征在于，所述交通标志识别模型的训练步骤包括：

将所述训练数据输入第一分支计算得到第一输出，所述第一分支包括一个卷积模块；

将所述训练数据输入第二分支计算得到第二输出，所述第二分支包括两个卷积模块；

将所述训练数据输入第三分支计算得到第三输出，所述第三分支包括四个卷积模块；

将所述训练数据输入第四分支计算得到第四输出，所述第四分支包括一个最大池化模块；

将所述第一输出、第二输出、第三输出、以及第四输出进行融合，并对融合后的结果进行一次卷积计算，得到输出结果。

4.根据权利要求3所述的交通标志识别方法，其特征在于，还包括：

采用所述训练集计算训练后的所述交通标志识别模型的损失误差，当所述损失误差在预设范围内时，得到训练好的所述交通标志识别模型。

5.根据权利要求3所述的交通标志识别方法，其特征在于，所述第一分支的一个卷积模块为1*1的卷积模块，所述第二分支的两个卷积模块分别为一个1*1的卷积模块和一个3*3的卷积模块，所述第三分支的四个卷积模块分别为一个1*1的卷积模块和三个3*3的卷积模块。

6.根据权利要求3所述的交通标志识别方法，其特征在于，所述交通标志识别模型还包括深层网络特征图模块和浅层网络特征图模块，所述深层网络特征图用于输出大目标预测尺寸、所述浅层网络特征图模块用于输出目标预测尺寸和小目标预测尺寸。

7.根据权利要求6所述的交通标志识别方法，其特征在于，所述方法还包括：

将所述大目标预测尺寸、中目标预测尺寸和小目标预测尺寸与所述输出结果进行融合，得到最终输出结果。

8.一种交通标志识别装置，其特征在于，包括：

数据获取模块，用于获取预设的交通标志数据集，所述交通标志数据集包括训练集和验证集；

聚类模块，用于采用预设的聚类算法对所述交通标志数据集中的交通标志进行聚类，确定各类所述交通标志的尺寸；

训练模块，用于使用所述训练集对预设的交通标志识别模型进行训练，得到训练后的交通标志识别模型；

识别模块，用于采用训练后的所述交通标志识别模型对待识别交通标志进行识别，确认所述待识别交通标志的类别。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～7任一项所述的交通标志识别方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1～7任一所述的交通标志识别方法。