(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 202210913772.9 (22)申请日 2022.07.29 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 张为明　孙昊　谭啸　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 吕朝蕙 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06V 10/44(2022.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 交通指示对象的识别方法和目标检测模型 的训练方法 (57)摘要 本公开提供了一种交通指示对象的识别方 法和目标检测模 型的训练方法， 涉及人工智能领 域， 具体涉及图像处理、 计算机视觉和深度学习 技术领域， 尤其涉及目标检测、 智能交通和智慧 城市等场景。 交通指示对象 的识别方法的具体实 现方案为： 采用目标检测模型包括的骨干网络提 取道路图像在至少两个感受野下的特征图， 得到 至少两个特征图； 其中， 道路图像是由终端采集 得到的； 采用目标检测模型包括的至少两个预测 网络对至少两个特征图分别进行处理， 得到至少 两组检测结果； 以及响应于根据至少两组检测结 果确定道路图像中包括交通指示对象， 确定交通 指示对象在道路图像中的位置信息和交通指示 对象的类别信息， 其中， 骨干网络是基于轻量级 网络构建的。 权利要求书4页 说明书13页 附图5页 CN 115147814 A 2022.10.04 CN 115147814 A 1.一种交通指示对象的识别方法， 包括： 采用目标检测模型包括的骨干网络提取道路图像在至少两个感受野下的特征图， 得到 至少两个特 征图； 采用所述目标检测模型包括的至少两个预测网络对所述至少两个特征图分别进行处 理， 得到至少两组检测结果； 以及 响应于根据所述至少两组检测结果确定所述道路图像中包括交通指示对象， 确定所述 交通指示对象在所述道路图像中的位置信息和所述交通指示对象的类别 信息， 其中， 所述骨干网络是基于轻量级网络构建的。 2.根据权利要求1所述的方法， 其中， 所述骨干网络包括逐级连接的多级采样子网络； 所述采用目标检测模型包括的骨干网络提取道路图像在至少两个感受野下的特 征图包括： 将所述道路图像输入所述骨干网络， 由所述多级采样子网络 中依次连接的至少两级采 样子网络依次输出 所述至少两个特 征图， 其中， 所述多级采样子网络中， 目标采样子网络及其前一级采样子网络输出的特征图 为在相同感受野下的特 征图。 3.根据权利要求1或2所述的方法， 其中： 所述骨干网络包括逐级连接的四级采样子网络； 所述骨干网络的宽度比例为小于1的值。 4.根据权利要求1所述的方法， 其中， 所述类别信 息指示所述交通指示对象属于多个预 定类别中各类别的概 率； 所述多个预定类别包括交通标志牌类别； 所述方法还 包括： 响应于根据所述类别信 息确定所述交通指示对象为所述交通标志牌类别， 根据 所述位 置信息裁剪所述道路图像， 得到目标图像； 以及 采用分类模型对所述目标图像进行分类处 理， 得到所述交通指示对象的子类别 信息， 其中， 所述交通标志牌类别包括多个子类别， 所述子类别信息指示所述交通指示对象 属于所述多个子类别中各类别的概 率； 所述分类模型 是基于轻量级网络构建的。 5.根据权利要求1所述的方法， 还 包括： 响应于根据确定所述道路图像中包括交通指示对象， 向服务端发送所述道路图像、 所 述位置信息和所述类别 信息。 6.根据权利要求1所述的方法， 其中： 所述交通指示对象包括以下至少两种类别的对象： 交通标志牌、 事故指示牌和至少一 种施工指示对象； 所述骨干网络基于Shuf fleNet系列网络构建得到 。 7.一种目标检测模型的训练方法， 包括： 采用待训练模型包括的骨干网络提取样本图像在至少两个感受野下的特征图， 得到至 少两个第一特征图； 所述样本图像包括交通指示对 象， 且所述样本图像对应有所述交通指 示对象的真值类别 信息和真值 位置信息； 采用所述待训练模型包括的至少两个预测网络对所述至少两个第一特征图分别进行 处理， 得到至少两组第一检测结果； 根据所述至少两组第 一检测结果， 确定所述交通指示对象在所述样本图像中的第 一位 置信息和所述交通指示对象的第一类别 信息； 以及权　利　要　求　书 1/4 页 2 CN 115147814 A 2根据所述第一位置信息与所述真值位置信息之间的差异以及所述第一类别信息与所 述真值类别 信息之间的差异， 训练所述待训练模型， 得到所述目标检测模型， 其中， 所述骨干网络是基于轻量级网络构建的。 8.根据权利要求7 所述的方法， 还 包括： 采用所述骨干网络提取道路图像在至少两个感受野下的特征图， 得到至少两个第 二特 征图； 采用所述至少两个预测网络对所述至少两个第 二特征图分别进行处理， 得到至少两组 第二检测结果； 响应于根据所述至少两组第 二检测结果确定所述道路图像中包括交通指示对象， 确定 所述交通指示对象在所述道路图像中的第二位置信息和所述交通指示对 象的第二类别信 息； 以及 根据所述第二类别 信息、 所述第二 位置信息和所述道路图像， 生成所述样本图像， 其中， 所述第二类别 信息指示所述交通指示对象属于多个预定类别中各类别的概 率。 9.根据权利要求7所述的方法， 其中， 所述根据所述第 一位置信 息与所述真值位置信 息 之间的差异以及所述第一类别信息与所述真值类别信息之间的差异， 训练所述待训练模 型， 得到所述目标检测模型包括： 根据所述第 一位置信 息与所述真值位置信 息之间的差异、 所述第 一类别信 息与所述真 值类别信息之间的差异， 以及为多个预定类别分配的预定权重， 确定所述待训练模型 的损 失值； 以及 根据所述损失值， 训练所述待训练模型， 其中， 为所述多个预定类别中尾部类别分配的预定权重大于为所述多个预定类别中其 他类别分配的预定 权重。 10.一种交通指示对象的识别装置， 包括： 特征提取模块， 用于采用目标检测模型包括的骨干网络提取道路图像在至少两个感受 野下的特 征图， 得到 至少两个特 征图； 结果预测模块， 用于采用所述目标检测模型包括的至少两个预测网络对所述至少两个 特征图分别进行处 理， 得到至少两组检测结果； 以及 信息确定模块， 用于响应于根据所述至少两组检测结果确定所述道路图像中包括交通 指示对象， 确定所述交通指示对象在所述道路图像中的位置信息和所述交通指示对象的类 别信息， 其中， 所述骨干网络是基于轻量级网络构建的。 11.根据权利要求10所述的装置， 其中， 所述骨干网络包括逐级连接的多级采样子网 络； 所述特 征提取模块用于： 将所述道路图像输入所述骨干网络， 由所述多级采样子网络 中依次连接的至少两级采 样子网络依次输出 所述至少两个特 征图， 其中， 所述多级采样子网络中， 目标采样子网络及其前一级采样子网络输出的特征图 为在相同感受野下的特 征图。 12.根据权利要求10或1 1所述的装置， 其中： 所述骨干网络包括逐级连接的四级采样子网络；权　利　要　求　书 2/4 页 3 CN 115147814 A 3