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！

龙图腾网恭喜重庆邮电大学申请的专利一种基于YOLO的多尺度并行特征融合路标检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113762209B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111109282.5，技术领域涉及：G06V20/58；该发明授权一种基于YOLO的多尺度并行特征融合路标检测方法是由付锦飞;周应华设计研发完成，并于2021-09-22向国家知识产权局提交的专利申请。

本一种基于YOLO的多尺度并行特征融合路标检测方法在说明书摘要公布了：本发明涉及一种基于YOLO的多尺度并行特征融合路标检测方法，属于交通信息化领域。方法包括：获取待检测图像；创建包含特征提取网络、多尺度并行特征融合模块以及用于目标定位和分类的深度卷积神经网络；利用训练好的路标检测神经网络模型对待检测的图像进行交通标志的定位与分类并且标注，输出分类并标注好的图像。本发明在YOLOv4‑tiny的基础上添加并行结构和三层次特征融合，使其对交通标志的检测能力有所提升。所提供的交通标志检测方法，能够实现完全依靠深度神经网络模型自动提取目标特征，实现交通标志的自动检测，具有检测过程简单、检测速度快和准确度高等优点。

本发明授权一种基于YOLO的多尺度并行特征融合路标检测方法在权利要求书中公布了：1.一种基于YOLO的多尺度并行特征融合路标检测方法，其特征在于：该方法包括以下步骤：S1：获取待检测图像并对其进行标注，划分训练集和测试集；S2：创建包含特征提取主干网络、多尺度特征融合模块和路标检测模块的深度卷积神经网络；S3：使用创建好的训练集和测试集来训练和测试深度卷积神经网络模型；S4：用训练好的路标检测神经网络模型对待检测的图像进行目标定位，以进行路标检测和分类；所述S1具体为：S11：使用行车记录仪或者车载摄像头采集车辆前方的图像，对交通场景中的交通标志进行拍摄记录，得到包含交通标志的车载图像；S12：对步骤S11得到的图像进行筛选处理，选取不同场景、天气、角度和遮挡情况下的交通标志图像；S13：对筛选后的图像按照一定规格命名，使用LabelImg对其进行手动标注，生成对应图片的目标位置的XML标签文件；S14：对得到的图像进行数据增强操作，包括反转、增强对比度、裁剪和镜像操作；S15：划分训练集、测试集；S16：针对训练集中的图像使用K-means聚类方法，对先验框尺寸进行聚类，聚类出6种先验框尺寸，保存为yolo_anchors.txt文件；所述S2具体操作如下：S21：确定深度神经网络的特征提取主干网络结构，为YOLOv4-Tiny网络模型的主干网络CSPDarkNet53-tiny结构，该主干网络由多个卷积层以及三个具有CSP结构的残差块构成，在残差块之间添加两个残差边，保证提取深层次特征信息时能够利用浅层特征；在通过该特征提取主干网络后得到浅层、中层以及深层的特征图，在浅层特征图中对小物体的检测性能较好，通过该主干网络来提取待检测图像的特征；S22：基于CSP_ResBlock模块结构，减少正向、反向传播时的计算量以及参数，增强梯度的表现，在每个ResBlock模块中都会有两个Output，一个用于保存，一个为输入到更深层网络的输出；S23：对于S21中主干网络的三个支路的输出，分别记为分支1、分支2和分支3，宏观上看三个分支为一个FPN结构，以下对三个分支结构进行详解；S24：网络的分支3，为从原始输入经历两次下采样卷积操作以及三个Res_Block模块计算后的输出，对该输出进行两次卷积操作后再进行一次上采样操作后与分支2进行合并；S25：网络的分支2，为从原始输入经历两次下采样卷积操作以及两个Res_Block模块计算后的输出，将该输出与分支3上采样后的特征图进行拼接操作并调整通道数，再进行卷积操作后，分为两个分支记作分支21、分支22；其中分支21进行上采样操作后保存，分支22输入YoloHead进行定位与分类；S26：网络的分支1，为从原始输入经历两次下采样卷积操作以及一个Res_Block模块计算后的输出，后续接一个并行模块，包含两个并行的分路，均使用空洞卷积而非普通的卷积操作，而且仅用于浅层特征图较大的网络结构中，如果使用空洞卷积，保证在卷积核大小不变的条件下进一步扩大该卷积核所能覆盖的范围；利用空洞卷积获得不同的感受野，从而获得不同尺度的特征；空洞卷积有一个参数，空洞率r，决定参与卷积计算的相邻像素点之间的间隔；对于k×k大小的卷积核，其实际的感受野尺寸为：kresult＝k+k-1×r-11选择使用r＝2和r＝3的空洞率进行卷积操作，最后将两个分路进行拼接操作后通过1×1的卷积核进行特征融合；将融合之后得到的输出与分支2进行上采样之后得到的输出进行拼接操作并调整通道数，最后输入给YoloHead进行定位与分类；S27：网络的损失函数由三部分组成，分别为位置损失、置信度损失和分类损失；位置损失函数使用LIoU，函数如下： 其中v和α如下： d代表的是计算两个中心点之间的欧式距离，c代表闭包的对角线距离，α是用于做权衡的参数，v是衡量长宽比一致性的参数；置信度损失函数采用交叉熵，分为两部分：obj和noobj，分别表示有目标以及无目标损失，如下： 分类损失函数采用交叉熵，如下：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。