基于任務(wù)驅(qū)動的自然場景中交通標志顯著性檢測方法

基本信息

申請?zhí)?/td> CN202011577655.7 申請日 -
公開（公告）號 CN112597996A 公開（公告）日 2021-04-02
申請公布號 CN112597996A 申請公布日 2021-04-02
分類號 G06K9/32(2006.01)I;G06K9/00(2006.01)I;G06K9/62(2006.01)I;G06T7/11(2017.01)I;G06N3/08(2006.01)I;G06N3/04(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 李雨萌 申請（專利權(quán)）人 山西云時代研發(fā)創(chuàng)新中心有限公司
代理機構(gòu) 太原晉科知識產(chǎn)權(quán)代理事務(wù)所（特殊普通合伙） 代理人 趙江艷
地址 030006山西省太原市山西綜改示范區(qū)太原學府園區(qū)長治路345號16層1606室
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及計算機視覺領(lǐng)域，公開了一種基于任務(wù)驅(qū)動的自然場景中交通標志的顯著性檢測方法，包括以下步驟：S1、訓練數(shù)據(jù)的采集；S2、輸入訓練集數(shù)據(jù)中的圖像，利用卷積神經(jīng)網(wǎng)絡(luò)提取圖像的總?cè)痔卣?，同時提取圖像在多個不同分辨率下的特征信息；利用擴張卷積網(wǎng)絡(luò)用于對圖像的不同分辨率下的特征信息進行多層擴張卷積學習提取特征和對比度特征；S3、將特征和對比度特征進行上采樣式學習得到各個分辨率下的特征圖，然后融合成總局部特征；S4、進行預測最終得到的交通標志顯著性特征圖；S5、重復步驟S2~S4訓練卷積神經(jīng)網(wǎng)絡(luò)，保存好訓練模型；S6、輸入待預測圖像，得到其交通標志顯著性特征圖。提高了交通標志檢測精度，可廣泛應用于無人駕駛領(lǐng)域。??