(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 202210689151.7 (22)申请日 2022.06.16 (71)申请人 智道网联科技 （北京） 有限公司 地址 100029 北京市东城区北三环东路3 6 号1号楼B6 01 (72)发明人 李耀萍　贾双成　朱磊　单国航　 (74)专利代理 机构 北京市隆安 律师事务所 11323 专利代理师 权鲜枝 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) (54)发明名称 一种路侧标识 识别方法、 装置和电子设备 (57)摘要 本申请公开了一种路侧标识识别方法、 装置 和电子设备。 本申请的路侧标识识别方法包括： 获取包括路侧标识的输入图像； 采用卷积神经网 络对所述输入图像进行特征提取， 得到所述输入 图像的多尺度特征图； 对所述多尺度特征图按照 至少两分支结构进行特征融合时， 得到每个分支 结构对应的融合特征图， 每个分支结构对应的特 征图尺度不同； 根据每个分支结构 对应的融合特 征图识别得到所述输入图像对应的输出图像， 所 述输出图像包括所述路侧标识的识别位置。 本申 请的技术方案能够提高包括路牌角点在内各种 路侧标识的识别精度。 权利要求书2页 说明书9页 附图4页 CN 114937259 A 2022.08.23 CN 114937259 A 1.一种路侧标识 识别方法， 其特 征在于， 包括： 获取包括路侧标识的输入图像； 采用卷积神经网络对所述输入图像进行特征提取， 得到所述输入图像的多尺度特征 图； 对所述多尺度 特征图按照至少两分支结构进行特征融合 时， 得到每个分支结构对应的 融合特征图， 每个分支结构对应的特 征图尺度不同； 根据每个分支结构对应的融合特征图识别得到所述输入图像对应的输出图像， 所述输 出图像包括所述路侧标识的识别位置 。 2.根据权利要求1所述的方法， 其特征在于， 通过下述步骤设置至少两分支结构对应的 特征图尺度： 获取多尺度特征图中的最大尺度作为至少两分支结构中一个分支结构对应的特征图 尺度， 以及， 设置至少 两分支结构 中其他分支结构对应的特征图尺度大于多尺度特征图中 的最大尺度。 3.根据权利要求1所述的方法， 其特征在于， 对所述多尺度 特征图按照至少两分支结构 进行特征融合时， 得到每 个分支结构对应的融合特 征图， 包括： 根据各分支结构对应的特征图尺度， 分别对所述多尺度特征图进行尺度变换， 得到与 每个分支结构对应的特 征图尺度相同的待融合特 征图； 将每个分支结构对应的待融合特征图叠加， 得到每个分支结构对应的初始融合特征 图； 根据各分支结构对应的特征图尺度， 将较小尺度的分支结构对应的初始融合特征图叠 加到较大尺度的分支结构对应的初始融合特征图， 得到较大尺度的分支结构对应的融合特 征图。 4.根据权利要求3所述的方法， 其特征在于， 根据各分支结构对应的特征图尺度， 将较 小尺度的分支结构对应的初始融合特征图叠加到较大尺度的分支结构对应的初始融合特 征图， 得到较大尺度的分支结构对应的融合特 征图， 包括： 对较小尺度的分支结构对应的初始融合特征图进行卷积处理， 将卷积处理后的初始融 合特征图进行尺度变换， 使得尺度变换后的初始融合特征图的尺度与较大尺度的分支结构 对应的特 征图尺度相同； 将较小尺度的分支结构的尺度变换后的初始融合特征图线性叠加到较大尺度的分支 结构对应的初始融合特 征图中， 得到较大尺度的分支结构对应的融合特 征图。 5.根据权利要求3所述的方法， 其特征在于， 根据各分支结构对应的特征图尺度， 分别 对所述多尺度特征图进行尺度变换， 得到与每个分支结构对应的特征图尺度相同的待融合 特征图， 包括： 将各个尺度特征图分别与 各分支结构对应的特征图尺度进行尺度比较， 若尺度 特征图 的尺度大于分支结构对应的特征图尺度， 对该尺度特征图进行上采样， 得到与该分支结构 对应的特 征图尺度相同的待融合特 征图； 若尺度特征图的尺度等于分支结构对应的特征图尺度， 直接将该尺度 特征图作为该分 支结构对应的待融合特 征图。 6.根据权利要求1所述的方法， 其特征在于， 根据每个分支对应的融合特征图得到所述权　利　要　求　书 1/2 页 2 CN 114937259 A 2输入图像对应的输出图像， 包括： 根据所述输入图像的尺寸， 将各分支结构对应的融合特征图进行尺度变换， 使得尺度 变换后的各个融合特 征图的尺寸与所述输入图像的尺寸相同； 根据每个分支对应的尺度变换后的融合特 征图得到所述输入图像对应的输出图像。 7.根据权利要求6所述的方法， 其特征在于， 根据每个分支对应的尺度变换后的融合特 征图得到所述输入图像对应的输出图像， 包括： 将每个分支对应的尺度变换后的融合特征图按照像素点位置线性叠加， 得到所述输出 图像。 8.一种路侧标识 识别装置， 其特 征在于， 包括： 获取单元， 用于获取包括路侧标识的输入图像； 计算单元， 用于采用卷积神经网络对所述输入图像进行特征提取， 得到所述输入图像 的多尺度特 征图； 融合单元， 用于对所述多尺度特征图按照至少两分支结构进行特征融合时， 得到每个 分支结构对应的融合特 征图， 每个分支结构对应的特 征图尺度不同； 识别单元， 用于根据每个分支结构对应的融合特征图识别得到所述输入图像对应的输 出图像， 所述输出图像包括所述路侧标识的识别位置 。 9.一种电子设备， 其特 征在于， 包括： 处理器； 以及 被安排成存储计算机可执行指令的存储器， 所述可执行指令在被执行时使所述处理器 执行所述权利要求1 ‑7之任一所述路侧标识 识别方法。 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存储一个或多个 程序， 所述一个或多个程序当被处理器执行时， 实现所述权利要求 1‑7之任一所述路侧标识 识别方法。权　利　要　求　书 2/2 页 3 CN 114937259 A 3