一种改进YOLOv3的交通标志识别的方法及装置与流程

一种改进yolov3的交通标志识别的方法及装置
技术领域
1.本发明属于交通标志识别技术领域，具体涉及一种改进yolov3的交通标志识别的方法及装置。


背景技术：

2.随着无人驾驶汽车的普及，需要更加精准的交通标志识别技术，传统地交通标志识别方法大多采用卷积神经网络模型，卷积神经网络模型不仅因其可以产生极高的精度而闻名，同时也因为高计算成本和内存需求而被知晓。它在一定程度上可以解决图像分类及目标检测等相关领域性能不足的问题，但是卷积神经网络对硬件设备要求极高，即在技术实际应用这一步上仍然面临着巨大挑战。


技术实现要素：

3.本发明旨在至少解决现有技术中存在的技术问题之一，提供一种改进yolov3的交通标志识别的方法及装置。
4.本发明的一方面，提供一种改进yolov3的交通标志识别的方法，所述方法包括：
5.采集若干交通标志图片，得到数据集；
6.基于预设的数据增强方法，对所述数据集进行预处理；
7.将预处理后的数据集划分为训练集和测试集；
8.在yolov3网络模型中引入通道注意力增强深度网络，得到改进后的yolov3网络模型；
9.将所述训练集输入改进后的yolov3网络模型中进行训练，并利用所述测试集进行验证，得到训练好的yolov3网络模型；
10.利用所述训练好的yolov3网络模型对交通标志进行识别。
11.在一些实施方式中，所述基于预设的数据增强方法，对所述数据集进行预处理，包括：
12.基于mosaic的数据增强方法，对所述数据集进行预处理。
13.在一些实施方式中，所述基于mosaic的数据增强方法，对所述数据集进行预处理，包括：
14.从所述数据集中随机选取多张交通标志图片；
15.对所述选取到的多张交通标志图片分别进行翻转和缩放操作；
16.在新图上随机一个中心点，对所述选取到的多张交通标志图片进行中心点所在垂直线和水平线的大小裁剪；
17.将裁剪得到图片按照预设的顺序进行摆放，得到预处理后的数据集。
18.在一些实施方式中，所述将裁剪得到图片按照预设的顺序进行摆放，包括：
19.将裁剪得到图片进行左上、左下、右上、右下的顺序摆放。
20.本发明的另一方面，提供一种改进yolov3的交通标志识别的装置，所述装置包括：
21.采集模块，用于采集若干交通标志图片，得到数据集；
22.预处理模块，用于基于预设的数据增强方法，对所述数据集进行预处理；
23.划分模块，用于将预处理后的数据集划分为训练集和测试集；
24.设计模块，用于在yolov3网络模型中引入通道注意力增强深度网络，得到改进后的yolov3网络模型；
25.训练模块，用于将所述训练集输入改进后的yolov3网络模型中进行训练，并利用所述测试集进行验证，得到训练好的yolov3网络模型；
26.识别模块，用于利用所述训练好的yolov3网络模型对交通标志进行识别。
27.在一些实施方式中，所述预处理模块，具体还用于：
28.基于mosaic的数据增强方法，对所述数据集进行预处理。
29.在一些实施方式中，所述预处理模块，具体还用于：
30.从所述数据集中随机选取多张交通标志图片；
31.对所述选取到的多张交通标志图片分别进行翻转和缩放操作；
32.在新图上随机一个中心点，对所述选取到的多张交通标志图片进行中心点所在垂直线和水平线的大小裁剪；
33.将裁剪得到图片按照预设的顺序进行摆放，得到预处理后的数据集。
34.在一些实施方式中，所述预处理模块，具体还用于：
35.将裁剪得到图片进行左上、左下、右上、右下的顺序摆放。
36.本发明的另一方面，提供一种电子设备，包括：
37.一个或多个处理器；
38.存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据前文记载的所述的方法。
39.本发明的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时能实现根据前文记载的所述的方法。
40.本发明的改进yolov3的交通标志识别的方法及装置，通过对采集到的交通标识图片进行数据增强处理，能有效防止过拟合的同时，增加模型的泛化能力，并且，通过yolov3网络模型中引入通道注意力增强深度网络，可以重点关注什么样的特征是有意义的，汇总空间特征，从而可以提高交通标志识别的准确度，提高交通标志识别的效率。
附图说明
41.图1为本发明提出的改进yolov3的交通标志识别的方法的流程图；
42.图2为本发明提出的改进yolov3的交通标志识别的装置的结构示意图。
具体实施方式
43.为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。
44.本实施例的一方面，如图1所示，涉及一种改进yolov3的交通标志识别的方法s100，所述方法s100包括：
45.s110、采集若干交通标志图片，得到数据集。
46.s120、基于预设的数据增强方法，对所述数据集进行预处理。
47.具体地，在本步骤中，基于mosaic的数据增强方法，对所述数据集进行预处理。为了有效防止过拟合的同时，增加模型的泛化能力，本实施例的数据增强方法具体包括以下步骤：
48.从所述数据集中随机选取多张交通标志图片。
49.对所述选取到的多张交通标志图片分别进行翻转和缩放操作。
50.在新图上随机一个中心点，对所述选取到的多张交通标志图片进行中心点所在垂直线和水平线的大小裁剪。
51.将裁剪得到图片按照预设的顺序进行摆放，得到预处理后的数据集。
52.进一步地，所述将裁剪得到图片按照预设的顺序进行摆放，包括：将裁剪得到图片进行左上、左下、右上、右下的顺序摆放。
53.s130、将预处理后的数据集划分为训练集和测试集。
54.s140、在yolov3网络模型中引入通道注意力增强深度网络，得到改进后的yolov3网络模型。
55.s150、将所述训练集输入改进后的yolov3网络模型中进行训练，并利用所述测试集进行验证，得到训练好的yolov3网络模型。
56.s160、利用所述训练好的yolov3网络模型对交通标志进行识别。
57.本实施例的改进yolov3的交通标志识别的方法，通过对采集到的交通标识图片进行数据增强处理，能有效防止过拟合的同时，增加模型的泛化能力，并且，通过yolov3网络模型中引入通道注意力增强深度网络，可以重点关注什么样的特征是有意义的，汇总空间特征，从而可以提高交通标志识别的准确度，提高交通标志识别的效率。
58.本发明的另一方面，如图2所示，提供一种改进yolov3的交通标志识别的装置100，该装置100可以适用于前文记载的方法。所述装置100包括：
59.采集模块110，用于采集若干交通标志图片，得到数据集；
60.预处理模块120，用于基于预设的数据增强方法，对所述数据集进行预处理；
61.划分模块130，用于将预处理后的数据集划分为训练集和测试集；
62.设计模块140，用于在yolov3网络模型中引入通道注意力增强深度网络，得到改进后的yolov3网络模型；
63.训练模块150，用于将所述训练集输入改进后的yolov3网络模型中进行训练，并利用所述测试集进行验证，得到训练好的yolov3网络模型；
64.识别模块160，用于利用所述训练好的yolov3网络模型对交通标志进行识别。
65.本实施例的改进yolov3的交通标志识别的装置，通过对采集到的交通标识图片进行数据增强处理，能有效防止过拟合的同时，增加模型的泛化能力，并且，通过yolov3网络模型中引入通道注意力增强深度网络，可以重点关注什么样的特征是有意义的，汇总空间特征，从而可以提高交通标志识别的准确度，提高交通标志识别的效率。
66.在一些实施方式中，所述预处理模块120，具体还用于：
67.基于mosaic的数据增强方法，对所述数据集进行预处理。
68.在一些实施方式中，所述预处理模块120，具体还用于：
69.从所述数据集中随机选取多张交通标志图片；
70.对所述选取到的多张交通标志图片分别进行翻转和缩放操作；
71.在新图上随机一个中心点，对所述选取到的多张交通标志图片进行中心点所在垂直线和水平线的大小裁剪；
72.将裁剪得到图片按照预设的顺序进行摆放，得到预处理后的数据集。
73.在一些实施方式中，所述预处理模块120，具体还用于：
74.将裁剪得到图片进行左上、左下、右上、右下的顺序摆放。
75.本发明的另一方面，提供一种电子设备，包括：
76.一个或多个处理器；
77.存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据前文记载的所述的方法。
78.本发明的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时能实现根据前文记载的所述的方法。
79.其中，计算机可读介质可以是本发明的装置、设备、系统中所包含的，也可以是单独存在。
80.其中，计算机可读存储介质可是任何包含或存储程序的有形介质，其可以是电、磁、光、电磁、红外线、半导体的系统、装置、设备，更具体的例子包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、光纤、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件，或它们任意合适的组合。
81.其中，计算机可读存储介质也可包括在基带中或作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码，其具体的例子包括但不限于电磁信号、光信号，或它们任意合适的组合。
82.可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。