龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：一种基于深度监督的Anchor‑Free交通标志检测方法，包括：构建数据集并进行数据预处理，构成训练集和测试集；搭建基于深度监督的Anchor‑Free交通标志检测神经网络模型，包括依次串接的：输入单元、编码单元、跳层结构单元、解码单元和输出预测单元，所述编码单元还连接所述的解码单元；采用得到的训练集对基于深度监督的Anchor‑Free交通标志检测神经网络模型进行训练；采用得到的测试集对基于深度监督的Anchor‑Free交通标志检测神经网络模型进行测试。本发明在交通标志检测中使用基于编码‑解码结构的Anchor‑Free方法实现交通标志检测，避免了Anchor‑Based方法需要手动设置锚框参数的问题，使得算法能适应多种交通标志检测场景。
主权项：1.一种基于深度监督的Anchor-Free交通标志检测方法，其特征在于，包括如下步骤：步骤1、构建数据集并进行数据预处理，构成训练集和测试集；步骤2、搭建基于深度监督的Anchor-Free交通标志检测神经网络模型，包括依次串接的：输入单元（1）、编码单元（2）、跳层结构单元（3）、解码单元（4）和输出预测单元（5），所述编码单元（2）还连接所述的解码单元（4）；所述的跳层结构单元（3）包括有第一1×1卷积层、第二1×1卷积层、第三1×1卷积层、第一深度监督机制、第二深度监督机制和第三深度监督机制，其中，所述的第一1×1卷积层接收编码单元（2）中第一残差模块的输出特征图，卷积操作后输出给解码单元（4），并在进行模型训练时同时输出给第一深度监督机制；第二1×1卷积层接收编码单元（2）中第二残差模块的输出特征图，卷积操作后输出给解码单元（4），并在进行模型训练时同时输出给第二深度监督机制；第三1×1卷积层接收编码单元（2）中第三残差模块的输出特征图，卷积操作后输出给解码单元（4），并在进行模型训练时同时输出给第三深度监督机制；步骤3、采用步骤1得到的训练集对基于深度监督的Anchor-Free交通标志检测神经网络模型进行训练；步骤4、采用步骤1得到的测试集对基于深度监督的Anchor-Free交通标志检测神经网络模型进行测试。
全文数据：
权利要求：
百度查询： 天津大学 基于深度监督的Anchor-Free交通标志检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号