摘要
本发明提出了一种基于自适应锚框生成的小目标交通标志识别方法,通过YOLO骨干网络对输入图像进行特征提取,生成多尺度特征图;根据目标面积通过尺度自适应调节因子实时调整锚框尺寸自适应生成动态锚框;在颈部网络中设置锚框特征对齐层,根据动态生成的锚框坐标从特征图中提取局部区域特征,并通过双线性插值调整为固定尺寸特征图;利用包含分类损失、定位损失和锚框置信度损失的多任务联合损失函数对模型进行训练,定位损失采用改进的DIoU‑NMS并引入形状匹配权重,置信度损失结合浅层特征图的边缘响应值进行加权;利用检测头进行检测时,对同一目标的多个候选锚框采用多锚框投票机制生成最终预测框。与现有技术相比,本发明能够提升小目标检测精度。
技术关键词
交通标志识别方法
联合损失函数
双线性插值
多尺度特征融合
生成多尺度
尺寸特征
多任务
检测头
动态
因子
网络
机制
坐标
基础
图像
模块
算法
矩形
系统为您推荐了相关专利信息
多尺度特征融合
轨迹特征
卷积神经网络训练
卷积神经网络池化层
识别方法
关键点特征
手语
手部关键点
识别模型训练方法
训练样本数据
商品识别方法
AI图像识别
自助售卖机
语义
跨层特征
输电线路异物检测
输电线路巡检图像
网络
卷积模块
信息不丢失
红外图像增强方法
基础
对比度
直方图均衡化算法
双线性插值方法