(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 202211224371.9 (22)申请日 2022.10.09 (71)申请人 江苏智能无 人装备产业创新中心有 限公司 地址 213300 江苏省常州市溧阳市昆仑街 道码头西街618号1幢515室 (72)发明人 王超　 (74)专利代理 机构 苏州思睿晶华知识产权代理 事务所(普通 合伙) 3240 3 专利代理师 屈彩婷 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种高精准度和高效率的信号标识检测方 法、 装置及 介质 (57)摘要 本发明公开了一种高精准度和高效率的信 号标识检测方法、 装置及介质， 所述方法包括以 下步骤： 捕捉特征图像， 对特征图像进行拼接处 理， 得到待输入图像； 将待输入图像输入至主干 网络中进行基于注意力机制模型的卷积处理， 得 到待融合特征图； 对待融合特征图进行远跳式记 忆性特征融合， 得到融合特征； 对融合特征进行 特征识别， 得到关于特征图像的识别结果图； 本 发明能够通过改变特征模型的输入尺度， 引入记 忆性特征融合网络， 实现高级语义信息与底层特 征相结合， 增加对小目标特征的提取能力， 同时 在保证不影 响检测精度的前提下， 通过自研的特 定卷积核计算方式来减少了模型参数和计算量， 保证了检测实时性， 提高了交通信号灯检测的鲁 棒性和适用性。 权利要求书2页 说明书9页 附图3页 CN 115497076 A 2022.12.20 CN 115497076 A 1.一种高精准度和高效率的信号标识检测方法， 其特 征在于， 包括以下步骤： 捕捉特征图像， 对所述特 征图像进行拼接处 理， 得到待输入图像； 将所述待输入图像输入至主干网络中进行基于注意力 机制模型的卷积处理， 得到待融 合特征图； 对所述待融合特 征图进行远跳式记 忆性特征融合， 得到融合特 征； 对所述融合特 征进行特征识别， 得到关于所述特 征图像的识别结果图。 2.根据权利要求1所述的一种高精准度和高效率的信号标识检测方法， 其特 征在于： 所述对所述特 征图像进行拼接处 理， 得到待输入图像， 包括： 采用Mosaic数据增强策略对所述特 征图像进行图像转变处 理， 得到若干转变图像； 基于随机分布策略对若干所述 转变图像进行拼接处 理， 得到若干拼接图像； 对若干所述 拼接图像分别进行缩放 填充处理， 得到若干标准图像； 设定若干所述标准图像均为所述待输入图像。 3.根据权利要求2所述的一种高精准度和高效率的信号标识检测方法， 其特 征在于： 所述将所述待输入图像输入至主干网络 中进行基于注意力 机制模型的卷积处理， 得到 待融合特 征图， 包括： 对所述待输入图像进行切片处 理， 得到第一切片图像； 对所述第一切片图像进行模型参数减小处 理， 得到第一待处 理特征图像； 基于所述注意力 机制模型对所述第 一待处理特征图像进行模型维度降低处理， 得到第 二待处理特征图像； 对所述第二待处 理特征图像进行叠加处 理， 得到所述待融合特 征图。 4.根据权利要求3所述的一种高精准度和高效率的信号标识检测方法， 其特 征在于： 所述对所述待输入图像进行切片处 理， 得到第一切片图像， 包括： 基于Focus结构， 将所述待输入图像进行图像切片， 得到所述第一切片图像。 5.根据权利要求 4所述的一种高精准度和高效率的信号标识检测方法， 其特 征在于： 所述对所述第一切片图像进行模型参数减小处 理， 得到第一待处 理特征图像， 包括： 采用第一卷积类型的卷积核对所述第一切片图像进行 逐通道卷积， 得到第一特 征图； 采用第二卷积类型的卷积核对所述第 一特征图进行逐点卷积， 得到所述第 一待处理特 征图像。 6.根据权利要求5所述的一种高精准度和高效率的信号标识检测方法， 其特 征在于： 所述基于所述注意力 机制模型对所述第 一待处理特征图像进行模型维度降低处理， 得 到第二待处 理特征图像， 包括： 将所述第一待处 理特征图像划分为宽度方向图像和高度方向图像； 对所述宽度方向图像和所述高度方向图像分别进行全局 平均池化处理， 得到具有全局 感受野的宽度特 征图像和高度特 征图像； 将所述宽度特征图像和所述高度特征图像拼接， 将拼接后的所述宽度 特征图像和所述 高度特征图像送入第一共享卷积参数的卷积模块进行 卷积处理， 得到第二特 征图； 令所述第二特征图经过Sigmoid激活函数， 得到具有高度注意力权重和宽度注意力权 重的所述第二待处 理特征图像。 7.根据权利要求6所述的一种高精准度和高效率的信号标识检测方法， 其特 征在于：权　利　要　求　书 1/2 页 2 CN 115497076 A 2所述对所述第二待处 理特征图像进行叠加处 理， 得到所述待融合特 征图， 包括： 将所述第二待处理特征图像与第 三卷积类型的卷积核进行卷积操作， 得到第 一待叠加 特征图； 将所述第二待处理特征图像与第四卷积类型的卷积核进行卷积操作， 得到第 二待叠加 特征图； 将所述第二待处理特征图像与第五卷积类型的卷积核进行卷积操作， 得到第 三待叠加 特征图； 叠加所述第一待叠加特征图、 所述第二待叠加特征图和所述第三待叠加特征图， 得到 所述待融合特 征图。 8.根据权利要求3所述的一种高精准度和高效率的信号标识检测方法， 其特 征在于： 所述对所述待融合特 征图进行远跳式记 忆性特征融合， 得到融合特 征， 包括： 删除记忆性特征融合网络中的边 缘融合节点； 将所述待融合特 征图的底层特 征传递至所述记 忆性特征融合网络中的语义 生成节点； 通过所述语义生成节点将所述底层特征与高级语义信息进行融合， 得到所述融合特 征。 9.基于权利要求8所述的一种高精准度和高效率的信号标识检测方法的高精准度和高 效率的信号标识检测装置， 其特 征在于， 包括： 图像预处理单元， 用于捕捉特征图像， 对所述特征图像进行拼接处理， 得到待输入图 像； 图像优化单元， 用于将所述待输入图像输入至主干网络中进行基于注意力 机制模型的 卷积处理， 得到待融合特 征图； 图像特征融合单元， 用于对所述待融合特征图进行远跳式记忆性特征融合， 得到融合 特征； 结果输出单元， 用于对所述融合特征进行特征识别， 得到关于所述特征图像的识别结 果图。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现权利要求1~8中任一项所述高精准度和高效率 的信号标识检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115497076 A 3