本申請涉及目標(biāo)檢測，特別涉及一種模型訓(xùn)練方法及多尺度車輛行人檢測方法。

背景技術(shù)：

1、智能汽車作為近年來新興的高新技術(shù)綜合體，在車輛安全性方面作出了巨大的提升，通過汽車的自動駕駛系統(tǒng)，可以減少由于疲勞駕駛導(dǎo)致的交通事故，依靠著車載環(huán)境感知系統(tǒng)，在緊急情況下，自動駕駛系統(tǒng)可以迅速地作出更安全、更準(zhǔn)確的決策。自動駕駛系統(tǒng)中的目標(biāo)檢測，檢測車輛和行人，以準(zhǔn)確地車輛自動避障和車輛巡航等任務(wù)正常進(jìn)行。

2、目前的目標(biāo)檢測方法主要是使用雷達(dá)傳感器與攝像頭搭配，通過激光雷達(dá)測距，同時利用目標(biāo)檢測模型來實時識別畫面中的目標(biāo)類別，并將各類別的目標(biāo)通過預(yù)測框的形式呈現(xiàn)在屏幕之上，實時呈現(xiàn)的圖像為駕駛員提供參考的同時也為自動駕駛系統(tǒng)的決策提供了判斷的依據(jù)。

3、然而，上述的目標(biāo)檢測模型的參數(shù)量以及計算量龐大，不易于嵌入式部署，而隨著模型的參數(shù)量和計算量的降低，又將使得模型精度下降，導(dǎo)致在交通場景下目標(biāo)檢測精度不足，限制了模型在嵌入式平臺部署后的檢測效果。

技術(shù)實現(xiàn)思路

1、鑒于此，本申請?zhí)峁┮环N模型訓(xùn)練方法及多尺度車輛行人檢測方法，可以保障對車輛和行人的檢測精度的基礎(chǔ)上降低模型參數(shù)量和計算量，提升模型在嵌入式平臺部署后的檢測效果。

2、具體而言，包括以下的技術(shù)方案：

3、第一方面，本申請實施例提供一種模型訓(xùn)練方法，所述方法包括：

4、獲取樣本車輛行人訓(xùn)練集、樣本車輛行人標(biāo)注訓(xùn)練集和yolov8改進(jìn)模型，所述yolov8改進(jìn)模型的改進(jìn)方法包括用部分卷積模塊替換yolov8模型的骨干網(wǎng)絡(luò)的c2f模塊中bottleneck結(jié)構(gòu)的傳統(tǒng)卷積模塊，引入輕量化跨尺度特征融合模塊ccfm，引入重參數(shù)檢測頭；

5、基于所述樣本車輛行人訓(xùn)練集和所述樣本車輛行人標(biāo)注訓(xùn)練集，訓(xùn)練yolov8改進(jìn)模型，得到目標(biāo)車輛行人檢測模型。

6、在一些實施例中，所述基于所述樣本車輛行人訓(xùn)練集和所述樣本車輛行人標(biāo)注訓(xùn)練集，訓(xùn)練yolov8改進(jìn)模型，得到目標(biāo)車輛行人檢測模型，包括：

7、基于所述樣本車輛行人訓(xùn)練集和所述樣本車輛行人標(biāo)注訓(xùn)練集，訓(xùn)練yolov8改進(jìn)模型，得到中間yolov8改進(jìn)模型；

8、響應(yīng)于所述中間yolov8改進(jìn)模型的性能滿足訓(xùn)練完成條件，將滿足訓(xùn)練完成條件的中間yolov8改進(jìn)模型作為所述目標(biāo)車輛行人檢測模型。

9、在一些實施例中，所述yolov8改進(jìn)模型的改進(jìn)方法，具體包括：

10、用一個部分比例為四分之一的部分卷積模塊替換yolov8模型的骨干網(wǎng)絡(luò)的c2f模塊中bottleneck結(jié)構(gòu)的第一個卷積模塊，用一個部分比例為三分之一的部分卷積模塊替換yolov8模型的骨干網(wǎng)絡(luò)的c2f模塊中bottleneck結(jié)構(gòu)的第二個卷積模塊，得到第一改進(jìn)模型；

11、在第一改進(jìn)模型的頸部網(wǎng)絡(luò)中，引入輕量化跨尺度特征融合模塊ccfm，得到第二改進(jìn)模型；

12、在第二改進(jìn)模型的基礎(chǔ)上，通過重參數(shù)模塊改進(jìn)檢測頭，得到y(tǒng)olov8改進(jìn)模型。

13、在一些實施例中，在得到第二改進(jìn)模型之前，還包括改變特征融合的輸入特征圖的通道數(shù)，將三個提取的特征圖通道數(shù)均修改為128。

14、在一些實施例中，所述在第二改進(jìn)模型的基礎(chǔ)上，通過重參數(shù)模塊改進(jìn)檢測頭，得到y(tǒng)olov8改進(jìn)模型，具體包括：

15、用重參數(shù)化模塊repconv替換第二改進(jìn)模型中檢測頭兩個分支的convmodule模塊。

16、在一些實施例中，所述訓(xùn)練完成條件為中間yolov8改進(jìn)模型的map連續(xù)50輪不上升。

17、在一些實施例中，所述獲取樣本車輛行人訓(xùn)練集，包括：

18、獲取kitti數(shù)據(jù)集，將所述kitti數(shù)據(jù)集按照7：2：1的比例劃分為樣本車輛行人訓(xùn)練集、樣本車輛行人驗證集和樣本車輛行人測試集。

19、在一些實施例中，所述獲取樣本車輛行人標(biāo)注訓(xùn)練集，包括：

20、對樣本車輛行人訓(xùn)練集、樣本車輛行人驗證集和樣本車輛行人測試集進(jìn)行標(biāo)注，得到樣本車輛行人標(biāo)注訓(xùn)練集、樣本車輛行人標(biāo)注驗證集和樣本車輛行人標(biāo)注測試集，并將標(biāo)簽文件的格式轉(zhuǎn)換為滿足yolov8改進(jìn)模型要求的txt標(biāo)簽文件，所標(biāo)注的標(biāo)簽類別包括汽車、卡車、人和騎自行車的人。

21、在一些實施例中，所述方法還包括：

22、響應(yīng)于所述中間yolov8改進(jìn)模型的性能未滿足訓(xùn)練完成條件，調(diào)整所述中間yolov8改進(jìn)模型的訓(xùn)練權(quán)重和訓(xùn)練參數(shù)，直至所述中間yolov8改進(jìn)模型的性能滿足訓(xùn)練完成條件，所述訓(xùn)練參數(shù)包括初始學(xué)習(xí)率、訓(xùn)練迭代次數(shù)和每個訓(xùn)練批次的樣本數(shù)量。

23、第二方面，本申請?zhí)峁┝艘环N多尺度車輛行人檢測方法，所述方法包括：

24、獲取如第一方面所述的模型訓(xùn)練方法中的目標(biāo)車輛行人檢測模型；

25、將待測車輛行人訓(xùn)練集輸入至所述目標(biāo)車輛行人檢測模型中，得到車輛行人檢測結(jié)果，所述車輛行人檢測結(jié)果包括目標(biāo)類別、目標(biāo)邊界框位置和置信度，目標(biāo)類別包括汽車、卡車、人和騎自行車的人。

26、本申請實施例提供的技術(shù)方案的有益效果至少包括：

27、本申請實施例提供了一種模型訓(xùn)練方法及多尺度車輛行人檢測方法，該方法首先獲取樣本車輛行人訓(xùn)練集、樣本車輛行人標(biāo)注訓(xùn)練集和yolov8改進(jìn)模型，yolov8改進(jìn)模型的改進(jìn)方法包括用部分卷積模塊替換yolov8模型的骨干網(wǎng)絡(luò)的c2f模塊中bottleneck結(jié)構(gòu)的傳統(tǒng)卷積模塊，引入輕量化跨尺度特征融合模塊ccfm，引入重參數(shù)檢測頭，部分卷積模塊可以降低浮點(diǎn)運(yùn)算次數(shù)，減少冗余計算和訪問內(nèi)存，更加有效地提取空間特征，輕量化跨尺度特征融合模塊ccfm可縮小特征圖通道數(shù)，將不同尺度的特征通過融合操作整合起來，以增強(qiáng)模型對于尺度變化的適應(yīng)性和對小尺度對象的檢測能力，在精度損失很小的條件下有效地實現(xiàn)了模型的輕量化，重參數(shù)模塊可以加大對于特征學(xué)習(xí)的能力，減少參數(shù)量和計算量；然后基于樣本車輛行人訓(xùn)練集和樣本車輛行人標(biāo)注訓(xùn)練集，訓(xùn)練yolov8改進(jìn)模型，得到輕量化的目標(biāo)車輛行人檢測模型。該方法可以保障對車輛和行人的檢測精度的基礎(chǔ)上降低模型參數(shù)量和計算量，提升模型在嵌入式平臺部署后的檢測效果。

技術(shù)特征：

1.模型訓(xùn)練方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述基于所述樣本車輛行人訓(xùn)練集和所述樣本車輛行人標(biāo)注訓(xùn)練集，訓(xùn)練yolov8改進(jìn)模型，得到目標(biāo)車輛行人檢測模型，包括：

3.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，yolov8改進(jìn)模型的改進(jìn)方法，具體包括：

4.根據(jù)權(quán)利要求3所述的模型訓(xùn)練方法，其特征在于，在得到第二改進(jìn)模型之前，還包括改變特征融合的輸入特征圖的通道數(shù)，將三個提取的特征圖通道數(shù)均修改為128。

5.根據(jù)權(quán)利要求3所述的模型訓(xùn)練方法，其特征在于，所述在第二改進(jìn)模型的基礎(chǔ)上，通過重參數(shù)模塊改進(jìn)檢測頭，得到y(tǒng)olov8改進(jìn)模型，具體包括：

6.根據(jù)權(quán)利要求2所述的模型訓(xùn)練方法，其特征在于，所述訓(xùn)練完成條件為中間yolov8改進(jìn)模型的map連續(xù)50輪不上升。

7.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述獲取樣本車輛行人訓(xùn)練集，包括：

8.根據(jù)權(quán)利要求7所述的模型訓(xùn)練方法，其特征在于，所述獲取樣本車輛行人標(biāo)注訓(xùn)練集，包括：

9.根據(jù)權(quán)利要求2所述的模型訓(xùn)練方法，其特征在于，所述方法還包括：

10.多尺度車輛行人檢測方法，其特征在于，所述方法包括：

技術(shù)總結(jié)
本申請公開了一種模型訓(xùn)練方法及多尺度車輛行人檢測方法，屬于目標(biāo)檢測技術(shù)領(lǐng)域。該方法首先獲取樣本車輛行人訓(xùn)練集、樣本車輛行人標(biāo)注訓(xùn)練集和YOLOv8改進(jìn)模型，YOLOv8改進(jìn)模型的改進(jìn)方法包括用部分卷積模塊替換YOLOv8模型的骨干網(wǎng)絡(luò)的C2f模塊中Bottleneck結(jié)構(gòu)的傳統(tǒng)卷積模塊，引入輕量化跨尺度特征融合模塊CCFM，引入重參數(shù)檢測頭；然后基于樣本車輛行人訓(xùn)練集和樣本車輛行人標(biāo)注訓(xùn)練集，訓(xùn)練YOLOv8改進(jìn)模型，得到輕量化的目標(biāo)車輛行人檢測模型。該方法可以保障對車輛和行人的檢測精度的基礎(chǔ)上降低模型參數(shù)量和計算量，提升模型在嵌入式平臺部署后的檢測效果。

技術(shù)研發(fā)人員：李賽飛,王碩,姚濤,賀文偉,蒲桂東
受保護(hù)的技術(shù)使用者：西南交通大學(xué)煙臺新一代信息技術(shù)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17