公开(公告)号：CN113762209B

公开(公告)日：2025-03-18

申请号：CN202111109282.5

申请日：2021-09-22

Applicant: 重庆邮电大学

Inventor： 付锦飞 ,  周应华

IPC: G06V20/58 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种基于YOLO的多尺度并行特征融合路标检测方法，属于交通信息化领域。方法包括：获取待检测图像；创建包含特征提取网络、多尺度并行特征融合模块以及用于目标定位和分类的深度卷积神经网络；利用训练好的路标检测神经网络模型对待检测的图像进行交通标志的定位与分类并且标注，输出分类并标注好的图像。本发明在YOLO v4‑tiny的基础上添加并行结构和三层次特征融合，使其对交通标志的检测能力有所提升。所提供的交通标志检测方法，能够实现完全依靠深度神经网络模型自动提取目标特征，实现交通标志的自动检测，具有检测过程简单、检测速度快和准确度高等优点。

公开(公告)号：CN113762209A

公开(公告)日：2021-12-07

申请号：CN202111109282.5

申请日：2021-09-22

Applicant: 重庆邮电大学

Inventor： 付锦飞 ,  周应华

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于YOLO的多尺度并行特征融合路标检测方法，属于交通信息化领域。方法包括：获取待检测图像；创建包含特征提取网络、多尺度并行特征融合模块以及用于目标定位和分类的深度卷积神经网络；利用训练好的路标检测神经网络模型对待检测的图像进行交通标志的定位与分类并且标注，输出分类并标注好的图像。本发明在YOLO v4‑tiny的基础上添加并行结构和三层次特征融合，使其对交通标志的检测能力有所提升。所提供的交通标志检测方法，能够实现完全依靠深度神经网络模型自动提取目标特征，实现交通标志的自动检测，具有检测过程简单、检测速度快和准确度高等优点。