公开(公告)号：CN111444821B

公开(公告)日：2022-03-25

申请号：CN202010215253.6

申请日：2020-03-24

Applicant: 西北工业大学

Inventor： 聂烜 ,  张衡 ,  何大海 ,  胡凯 ,  任聪豪 ,  蒋刚

IPC: G06V10/22 ,  G06V10/774 ,  G06V20/54 ,  G06K9/62 ,  G06N3/04 ,  G06T7/11

Abstract: 本发明提供了一种城市道路标志自动识别方法，首先进行数据集准备，构建Coef YOLO网络并训练Coef YOLO网络，然后对图像中的道路标志进行检测，筛选出最终的检测目标。本发明在YOLO网络的基础上，引入并构建了基于边框回归训练的Coef YOLO网络，针对传统YOLO网络训练收敛慢和对小目标检测率低的现状，引入了基于批量标准化的网络优化，提升网络的训练速度和检测性能；提出了基于样本自适应改进的损失函数Coef loss，根据样本检测难度不同，损失函数自适应地调节权重，改进了网络在目标检测时对小目标检测准确度低的问题。

公开(公告)号：CN111444821A

公开(公告)日：2020-07-24

申请号：CN202010215253.6

申请日：2020-03-24

Applicant: 西北工业大学

Inventor： 聂烜 ,  张衡 ,  何大海 ,  胡凯 ,  任聪豪 ,  蒋刚

IPC: G06K9/00 ,  G06K9/20 ,  G06K9/62 ,  G06N3/04 ,  G06T7/11

Abstract: 本发明提供了一种城市道路标志自动识别方法，首先进行数据集准备，构建Coef YOLO网络并训练Coef YOLO网络，然后对图像中的道路标志进行检测，筛选出最终的检测目标。本发明在YOLO网络的基础上，引入并构建了基于边框回归训练的Coef YOLO网络，针对传统YOLO网络训练收敛慢和对小目标检测率低的现状，引入了基于批量标准化的网络优化，提升网络的训练速度和检测性能；提出了基于样本自适应改进的损失函数Coef loss，根据样本检测难度不同，损失函数自适应地调节权重，改进了网络在目标检测时对小目标检测准确度低的问题。