一种基于云边端架构的复杂背景下锥桶识别方法

摘要

本发明的基于云边端架构的复杂背景下锥桶识别方法，包括：a).布置设备，在道路的两侧间隔布置边缘控制器；b).锥桶识别模型的训练，采用MobileNetV3网络模型与YoloV4网络模型相融合形成的深度学习网络模型MobileNetV3_YoloV4训练出锥桶识别模型；c).行驶车辆通信的建立；d).图像数据的采集和上传；e).锥桶识别；f).自动避障。本发明的复杂背景下锥桶识别方法，将原有Hard_swish激活函数替换为Swish激活函数后的检测精度提升最大，且响应速度没有明显变化，使得锥桶的检测速度有了明显的提升，可以满足高速公路行驶车辆系统对锥桶检测准确性、实时性的要求。