技术特征：
1.一种基于yolov4算法的交通标志检测方法，其特征在于，所述方法包括步骤：通过原始yolov4算法对预处理后的交通标志图像进行模型训练；通过训练迭代，把模型训练参数达到最优且将损失函数达到最小的模型保存；通过训练好的模型对测试集中的图像进行测试，最终选择置信度最高的边框进行输出，完成交通标志的检测。2.如权利要求1所述的一种基于yolov4算法的交通标志检测方法，其特征在于，通过深度可分离卷积对原始yolov4算法的主干提取网络cspdarknet进行处理，所述处理包括步骤：步骤100：将原始算法中的多通道特征图利用深度可分离卷积，具体的，先采用3
×
3的卷积核对每一个通道进行卷积，分解成单通道的特征图；步骤200：使用1
×
1的卷积核对分解成单通道的特征图再次卷积调整通道数，输出第二特征图。3.如权利要求2所述的一种基于yolov4算法的交通标志检测方法，其特征在于，所述交通图像具体为指示标志、禁止标志和警告标志。
技术总结
本发明公开了一种基于YOLOv4算法的交通标志检测方法，涉及图像技术领域，所述方法包括步骤：通过原始YOLOv4算法对预处理后的交通标志图像进行模型训练；通过训练迭代，把模型训练参数达到最优且将损失函数达到最小的模型保存；通过训练好的模型对测试集中的图像进行测试，最终选择置信度最高的边框进行输出，完成交通标志的检测，本发明中改进后的YOLOv4算法能够达到对远处小型交通标志的检测准确率，并且改进后的YOLOv4模型的检测速度提升近3倍，并且极大的减少了模型的参数量。并且极大的减少了模型的参数量。并且极大的减少了模型的参数量。
技术研发人员：彭军 龚宇 李小兵 杨志 谭玉春 许可
受保护的技术使用者：重庆科技学院
技术研发日：2021.06.18
技术公布日：2021/9/17