基于任务驱动的自然场景中交通标志显著性检测方法
基本信息
| 申请号 | CN202011577655.7 | 申请日 | - |
| 公开（公告）号 | CN112597996A | 公开（公告）日 | 2021-04-02 |
| 申请公布号 | CN112597996A | 申请公布日 | 2021-04-02 |
| 分类号 | 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 | 分类 | 计算；推算；计数; |
| 发明人 | 李雨萌 | 申请（专利权）人 | 山西云时代研发创新中心有限公司 |
| 代理机构 | 太原晋科知识产权代理事务所（特殊普通合伙） | 代理人 | 赵江艳 |
| 地址 | 030006山西省太原市山西综改示范区太原学府园区长治路345号16层1606室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及计算机视觉领域，公开了一种基于任务驱动的自然场景中交通标志的显著性检测方法，包括以下步骤：S1、训练数据的采集；S2、输入训练集数据中的图像，利用卷积神经网络提取图像的总全局特征，同时提取图像在多个不同分辨率下的特征信息；利用扩张卷积网络用于对图像的不同分辨率下的特征信息进行多层扩张卷积学习提取特征和对比度特征；S3、将特征和对比度特征进行上采样式学习得到各个分辨率下的特征图，然后融合成总局部特征；S4、进行预测最终得到的交通标志显著性特征图；S5、重复步骤S2~S4训练卷积神经网络，保存好训练模型；S6、输入待预测图像，得到其交通标志显著性特征图。提高了交通标志检测精度，可广泛应用于无人驾驶领域。 |
