[发明专利]基于YOLOv3网络的自动驾驶中交通标识检测方法

摘要

基于YOLOv3网络的自动驾驶中交通标识检测方法，它属于交通标识检测领域。本发明解决了现有的YOLOv3网络目标检测算法存在的检测精度不高，以及检测速度不能满足实时性要求的问题。本发明提出改进的损失函数，从而降低大目标误差对小目标检测效果的影响，提升了小尺寸目标的检测准确率；提出改进的激活函数，保留了负值同时减少了传播到下一层的变化和信息，增强了算法对噪声的鲁棒性；通过K‑means算法对交通标识数据集中的真实边框进行聚类，实现目标边框位置的预取，加速网络的收敛。本发明的交通标识检测模型在测试集上的检测精度mAP达到92.88％，检测速度达到35FPS，完全满足实时性的要求。本发明可以应用于交通标识检测领域用。

主权项

1.基于YOLOv3网络的自动驾驶中交通标识检测方法，其特征在于，该方法包括以下步骤：步骤一、基于GTSDB数据集制作带有交通标识类目标标注的训练集数据和测试集数据；步骤二、对训练集数据中标注的真实目标边框进行聚类，采用面积交并比IOU作为评级指标来获得训练集数据中预测的交通标识类目标的初始候选目标边框，将初始候选目标边框作为YOLOv3网络的初始网络参数；调取YOLOv3网络的初始网络参数，并将训练集数据输入YOLOv3网络进行训练，直至训练集数据输出的损失函数值小于等于阈值Q1或达到设置的最大迭代次数N时停止训练，得到训练好的YOLOv3网络；步骤三、将测试集数据输入训练好的YOLOv3网络，若测试集数据对应的检测精度大于等于精度阈值Q2，则将训练好的YOLOv3网络作为最终的YOLOv3网络；若测试集数据对应的检测精度小于精度阈值Q2，则继续训练步骤二得到的训练好的YOLOv3网络，直至测试集数据对应的检测精度大于等于精度阈值Q2，将此时的YOLOv3网络作为最终的YOLOv3网络；将采集的自动驾驶中包含有交通标识的图像输入最终的YOLOv3网络，以进行交通标识的检测。