(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211055743.X (22)申请日 2022.08.31 (71)申请人 重庆长安汽车股份有限公司 地址 400023 重庆市江北区建新 东路260号 (72)发明人 王传钊　谢乐成　吴锐　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 李君 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于改进的yolov3交通标志识别方法、 设备 和介质 (57)摘要 本发明涉及交通标志识别技术领域， 为基于 改进的yolov3交通标志识别方法、 设备和介质。 该方法包括获取交通标志检测的图像数据集， 对 图像数据集进行数据增强处理， 将图像数据集分 为训练集和图像验证集； 改进Yolov3检测网络 结 构， 将Yolov3模型的backbone网络结构改为 mobilnetv3模型， 将Yolov3模型的损失函数lo ss 修改为focal_lo ss函数， 添加多尺度融合板块结 构， 得到改进Yolov3模型； 利用图像训练集和图 像验证集， 对改进Yolov3模型进行训练， 对训练 后的改进Yolov3模型进行评测； 将交通标志图像 数据输入训练后的改进Yolov3模型， 输 出交通标 志识别结果。 本发明可以提升模 型对交通标志的 识别率， 提升对 小目标检测精度。 权利要求书2页 说明书7页 附图2页 CN 115424242 A 2022.12.02 CN 115424242 A 1.基于改进Yo lov3的交通标志 识别方法， 其特 征在于， 包括以下步骤： S1、 获取交通标志检测的图像数据集， 对图像数据集进行数据增强处理， 将图像数据集 分为训练集和图像验证集； S2、 改进Yolov3检测网络结构， 将Yolov3模型的backbone网络结构改为mobilnetv3模 型， 将Yolov3模 型的损失函数loss修改为focal_loss函数， 添加多尺度融合板块结构， 得到 改进Yolov3模型； S3、 利用图像训练集和图像验证集， 对改进Yolov3模型进行训练， 对训练后的改进 Yolov3模型进行评测； S4、 将交通标志图像数据输入训练后的改进Yo lov3模型， 输出交通标志 识别结果。 2.根据权利 要求1所述的基于改进Yolov3的交通标志识别方法， 其特征在于， 所述交通 标志检测的图像数据集为CCTSDB开源数据集， CCTSDB开源数据集包括指示标志、 禁止标志 和警告标志。 3.根据权利 要求1所述的基于改进Yolov3的交通标志识别方法， 其特征在于， 所述对图 像数据集进行 数据增强处 理， 包括： 对图像数据集进行Mosaic处理， 一次性利用4张图片， 将4张图片进行随机拼接， 每一张 图片都有自己对应的框， 合并之后成为一张新图片， 拼接的时候按照上下左右4个方向分 布， 互相不影响； 对图像数据集进行Mosaic处理， 对图像进行混类增强， 对图像进行平均， 重新计算图像 的标签值， 将不同类之间的图像进行混合， 扩充训练数据集。 4.根据权利 要求1所述的基于改进Yolov3的交通标志识别方法， 其特征在于， 所述步骤 2包括： 将Yolov3模型的backbone网络结构改为mobilnetv3模型， mobilnetv3整体结构包括深 度可分离卷积、 SE模块和bot tleneck结构； 将Yolov3模型的损失函数l oss修改为focal_l oss函数； 添加多尺度融合板块结构， 多尺度融合整体结构用于将Mobilnetv3模型提取的不同尺 度的特征进行融合， 得到一个包 含各个尺度信息的特 征融合图。 5.根据权利 要求4所述的基于改进Yolov3的交通标志识别方法， 其特征在于， 所述步骤 3包括： S31、 将改进Yolov3模型的内部参数初始化， 内部参数包括： 输入图片尺寸、 初始学习 率、 终止学习率、 epoc h和batch； S32、 将图片和数据标签转换为RGB格式的3通道矩阵数据， 将数据依次通过模型进行前 向推理， 通过l oss函数计算得到损失； S33、 通过反向梯度传播更新调整改进Yo lov3模型的内部参数； S34、 依次重复步骤S32 ‑S33， 直到改进Yolov3模型的内部参数不再更新， 得到训练完成 的改进Yo lov3模型并保存； S35、 测试训练完成的改进Yolov3模型的召回率和训练完成的改进Yolov3模型在预测 视频时候的FP S， 对训练完成的改进Yo lov3模型进行评测。 6.一种计算机设备， 包括处理器以及用于存储处理器可执行程序的存储器， 其特征在 于， 所述处理器执行存储器存储的程序时， 实现权利要求1 ‑5任一项所述的基于改进的权　利　要　求　书 1/2 页 2 CN 115424242 A 2Yolov3交通标志 识别方法。 7.一种存储介质， 存储有程序， 其特征在于， 所述程序被处理器执行时， 实现权利要求 1‑5任一项所述的基于改进的Yo lov3交通标志 识别方法。权　利　要　求　书 2/2 页 3 CN 115424242 A 3