一种基于小目标特征增强的交通标志检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114120280A(43)申请公布日2022.03.01(21)申请号202111428028.1G06V10/82(2022.01)(22)申请日2021.11.26G06N3/04(2006.01)G06V10/80(2022.01)(71)申请人北京航空航天大学合肥创新研究院（北京航空航天大学合肥研究生院）地址230013安徽省合肥市新站高新区文忠路999号(72)发明人田艳雪任毅龙张俊杰杨灿于海洋(74)专利代理机构安徽合肥华信知识产权代理有限公司34112代理人余成俊(51)Int.Cl.G06V20/58(2022.01)G06K9/62(2022.01)G06V10/762(2022.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于小目标特征增强的交通标志检测方法(57)摘要本发明公开了一种基于小目标特征增强的交通标志检测方法，主要包括以下步骤：构建交通标志数据集并进行数据增强；针对数据集中检测目标尺寸小，使用K‑means++聚类算法得到先验框并且使用非线性的聚类距离；根据数据集中显现的小目标居多的问题针对性的对网络结构进行优化；根据数据正负样本失衡严重的问题针对性的优化算法的损失函数，实现对目标的动态加权。本发明是在城市街景场景中实现交通标志检测，通过对算法的网络结构以及损失函数等改进，增强目标的细粒度特征等，可实现小目标检测召回与精度的提升，此方法对小尺寸居多的交通标志检测有较高的准确率。CN114120280ACN114120280A权利要求书1/2页1.一种基于小目标特征增强的交通标志检测方法，其特征在于：具体包括以下步骤：构建交通标志数据集并进行数据增强；优化构建AnchorBox的聚类算法；优化网络结构增强交通标志细粒度特征；优化网络结构增强交通标志通道特征；针对正负样本失衡严重设计损失函数；对改进后的交通标志检测算法进行效果评估。2.根据权利要求1所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的构建交通标志数据集并进行数据增强，具体内容如下：选取公开数据集TT100K作为研究对象，通过对数据集进行分析，包括数据集中目标尺寸以及每张图像中目标个数进行统计，得到数据集中正负样本失衡的特点；针对分析得到的数据集正负样本失衡严重问题，使用小目标复制的方法进行数据增强。3.根据权利要求2所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的使用小目标复制的方法进行数据增强，具体内容如下：首先根据数据集的label文件裁剪数据集中所有尺寸小于50*50的目标；其次根据类别统计每类目标的数量，得到n1，n2，n3，......，n45，即每类目标的数量，以及被裁剪下的目标的总数n；进一步计算得到ni与n之间的差值mi，即mi＝n‑ni，对所有的mi做归一化，即计算m＝Σmi，pi＝mi/m，每一个概率pi都占据(0，1)中的一段区间，在选择目标进行复制时，选取一个(0，1)之间的随机数r，r落在了哪个概率区间，即选择哪一类目标进行复制。4.根据权利要求1所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的优化构建AnchorBox的聚类算法，具体内容如下：使用K‑means++聚类算法对标注文件中的目标尺寸聚类，得到9个Anchorbox，其聚类距离公式为：其中，Scenter表示当前该聚类中心的面积，Sbox表示当前待分类的框的面积。5.根据权利要求1所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的优化网络结构增强交通标志细粒度特征，具体如下：通过引入BiFPN结构，在进行不同尺寸特征图融合时，考虑不同尺寸特征包含的信息对最终结果的影响程度不同，引入的加权融合的方法去融合细粒度特征明显的底层特征图。6.根据权利要求1所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的优化网络结构增强交通标志通道特征，具体如下：引入SE结构，首先是将该层尺寸为W*H*C的特征图输入进行压缩操作，即做一个全局平均池化，得到一个1*1*C的向量，接下来在对该向量进行激励操作，先在得到的1*1*C向量后接一个全连接层，再接一个激活函数层，然后再接一个全连接层，恢复输入的通道个数，最后再叠加一层激活函数层，最终输出一个1*1*C的向量，代表该层各通道的权重向量；最后对输入的特征图进行scale操作，即将上一步得到的1*1*C的权重向量与输入特征图进行通道权重相乘，得到该层的输出。7.根据权利要求1所述的一种基于小目标特征增强的交通标志检测方法，其特征在于：所述的针对正负样本失衡严重设计损失函数，具体如下：所述的损失函数分为定位损失、置2CN114120280A权利要求