一种基于深度学习的雨雪天气下交通信号灯检测方法

专利申请号：CN202211495391.X

公 开 号：CN116189136A

发 明 人：陈宇 王伯首 王湘萍 付华烨 

代 理 人：赵静

代理机构：滁州弘知润创知识产权代理事务所(普通合伙)

专利类型：发明专利

申 请 日：20230530

公 开 日：20221127

专利主分类号：G06V20/58

关 键 词：交通信号灯 锚框 检测 交通信号灯状态检测 对角线 预处理 网络模型测试 线性回归算法 信号处理技术 多尺度特征 小目标特征 基准数据 模型结构 模型训练 数据去噪 图像数据 网络模型 线性方程 雨雪天气 主干网络 惩罚项 等分法 数据集 小目标 原有的 冗余 传感 构建 去除 算法 采集 融合 替代 预测 改进 网络 学习 

摘      要：本发明属于传感与信号处理技术领域，尤其为一种基于深度学习的雨雪天气下交通信号灯检测方法，S1、构建交通信号灯检测的基准数据集；S2、构件适用于交通信号灯检测的网络模型；S3、数据集预处理，完成模型训练；S4、网络模型测试；S5、采集真实交通信号灯图像数据；S6、数据去噪处理；S7、交通信号灯状态检测。本发明通过改进现有的YOLOv4模型结构，减少主干网络层数，去除对于小目标冗余的深层网络，并利用多尺度特征融合技术增强小目标特征表述能力，采用线性回归算法替代K‑means算法进行锚框选择，对所得线性方程采用等分法选出锚框，在原有的CIoULOSS中加入锚框与真实框对角线相关的惩罚项，使预测框的定位更加准确。