[发明专利]一种基于显著性的交通标志检测方法

权利要求书

1.一种基于显著性的交通标志检测方法，其特征在于包括以下步骤：

步骤(1).搭建特征金字塔网络，采用FPN作为主干网络，其中自下而上通路是基于VGGNet-16搭建；

步骤(2).添加全局引导模块解决高级语义信息在自上而下通路中稀释的问题；全局引导模块包括两个部分：金字塔池化模块和3个全局信息引导流；通过这两个部分与特征金字塔网络组合，能够使自下而上通路中提取出的高级语义信息被不同尺度的特征图有效利用，提供显著性物体的整体位置信息；

步骤(3).使用了4组特征聚合模块后，连接一个使用3*3卷积核的卷积层后，弥补全集信息引导流与不同尺度特征图之间的差异；

步骤(1)具体实现如下：

当图像输入特征金字塔网络之后，先进入两个卷积层，卷积层内使用3*3大小的的卷积核，得到第一级特征图C1，此时的第一级特征图C1分辨率仍然保持与原图分辨率相同；然后将第一级特征图C1特征图输入到最大池化层进行下采样，下采样率设置为2；再将下采样后的图片输入到后面两个卷积层得到特征图C2；根据相同的结构依次类推得到4个横向连接的特征图C2、C3、C4、C5，其对应的下采样率相对于原图分别为2、4、8、16；在横向连接的道路上使用对应元素逐个相加的方法将自下而上通道特征与自上而下通路融合，并且在特征图C2、C3、C4所在的三个横向连接通路中添加1*1卷积层来减少通道维度；

步骤(2)具体实现如下：

金字塔池化模块包含了四个子分支，能够融合4个不同尺度的特征；其中包括一个输出分辨率不变的恒等映射层，另外三个池化层设置为生成2*2，3*3和5*5分辨率特征图的自适应平均池化层；为了保证金字塔池化模块的输入与输出维度和尺度都相同，将四个不同尺度特征图进行1*1卷积得到4组维度为128的特征图，然后通过双线性插值，统一4组特征图的分辨率为输入分辨率；最后直接将这四组特征图拼接，得到金字塔池化模块输出的全局特征；

对于提取到的全局特征，需要将这个全局特征添加到自上而下的路径中并与不同尺度的特征图融合；使用一个独立于特征金字塔的全局信息引导流模块；特征图C5经过金字塔池化模块的输出流入3个不同尺度的上采样卷积层，得到3个不同尺度的全局信息引导流；同时特征图C5还会在经过特征聚合模块再经过2倍上采样操作后与特征图C4以及2倍上采样卷积所得的全局信息引导流进行直接融合；后面的两次融合操作依此类推；通过使用全局信息引导流模块，可以将高级语义信息轻松的传导到不同级别的特征中。

2.根据权利要求1所述的种基于显著性的交通标志检测方法，其特征在于步骤(3)具体实现如下：

使用了4组特征聚合模块，每组特征聚合模块包含了四个子分支，其中上面三条支路分别采用了2倍、4倍和8倍下采样，而最后一条支路则不进行任何操作；在前向传递的过程中，首先通过将输入特征图传递到拥有不同下采样率的平均池化层，将其转换为不同的尺度；然后将来自不同子支路的特征图进行上采样操作还原到输入时的分辨率，同时合并到一起，最后连接一个使用3*3卷积核的卷积层后输出。