一种基于深度学习的盲道识别模型的设计方法与部署系统

本发明公开了一种基于深度学习的盲道识别模型的设计方法与部署系统，包括，构建盲道数据集，并对盲道数据集中的盲道图像进行预处理和数据增强，基于深度学习中的经典目标检测算法YOLO v5‑Seg创建盲道识别模型，对盲道识别模型进行改进，将盲道识别模型的主干网络ResNet101替换为ShuffleNet，将耦合头替换为解耦头，所述解耦头用于对盲道图像的边缘进行检测，并在识别模型的特征提取网络最后一层和FPN之间增加SEA注意力机制，基于预处理和数据增强后的盲道数据集对改进后的盲道识别模型进行训练，获取待识别的盲道图像，基于训练后的盲道识别模型对盲道图像中的盲道进行识别。本发明使模型更加轻量，降低了盲道模型的部署难度，提高了识别速度和精度。