1.基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，包括：采集包含夜间交通标志的图像作为训练集；

聚类先验框；

在YOLOv3特征提取网络中引入注意力机制，得到改进的YOLOv3网络；所述注意力机制通过浅层特征图实现空间注意力，通过深层特征图实现通道注意力；

确定边框损失函数；

将所述训练集输入改进的YOLOv3网络进行训练，得到夜间交通标志图像检测模型。

2.根据权利要求1所述的基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，所述注意力机制通过如下方法输出：在YOLOv3网络残差结构生成的特征图中，确定来自网络深层的深层特征图、来自网络浅层的浅层特征图；其中，浅层特征图是深层特征图的两倍大的分支；

以深层特征图作为注意力机制的第一个输入，得到具有通道重要性差异的全新特征图作为第一特征图；

以浅层特征图作为注意力机制的第二个输入，得到附带空间像素权重关系的全新特征图作为第二特征图；

对所述第一特征图和第二特征图作连接操作，得到注意力机制的输出。

3.根据权利要求2所述的基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，得到所述第一特征图的方法包括：对所述深层特征图执行最大池化和平均池化轮询操作，得到每个通道最大值和平均值；

执行全局平均池化和全局最大池化操作，得到平均池化、最大池化两个维度的通道特征量；

对两个维度的通道特征量共享全连接层，共享过程中保持特征量维度不变，对共享后的两个结果进行相加，得到全局通道特征量；使用Sigmoid函数对全局通道特征量进行非线性激活，得到C1×1×1维度的通道权重系数；其中，C1为输入深层特征图的通道数；

对所述深层特征图做微步卷积，得到第三特征图；

将所述第三特征图与所述通道权重系数相乘，得到所述第一特征图。

4.根据权利要求3所述的基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，对所述深层特征图做微步卷积的方法包括：对所述深层特征图做内部填充：在特征图的X坐标方向和Y坐标方向每两个特征点之间填充它们的平均值，并在X坐标方向和Y坐标方向的末尾复制最后一个特征点；其中，当某特征点在X坐标方向或Y坐标方向无对应参照点时，取四个斜对角的均值进行填充；

做卷积核大小为3×3的卷积。

5.根据权利要求2所述的基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，得到所述第二特征图的方法包括：在C2个通道上对浅层特征图的特征点做局部最大编码、局部平均编码，分别得到编码结果Fpmax,Fpavg；

分别在Fpmax,Fpavg空间沿着通道方向特征点，生成数量为H2×W2的特征向量；其中，H2为输入浅层特征图的高，W2为输入浅层特征图的宽；

使用C2×1的向量卷积对H2×W2个向量进行卷积处理，得到两张经过编码和卷积的权重图；

将两张权重图的映射转发到卷积层，产生只有一个通道的权重图，使用Sigmoid函数激活，得到空间注意力权重矩阵；

将所述浅层特征图与空间注意力权重矩阵相乘，得到所述第二特征图。

6.根据权利要求5所述的基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，所述浅层特征图的特征张量为 其中F2为输入的浅层特征图。

7.根据权利要求5所述的基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，在做局部最大编码、局部平均编码的过程中，所采用的过滤器宽为D、高为D、步长为

1；其中， r为比率。

8.根据权利要求1所述的基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，所述聚类先验框采用K‑Means++算法实现，所采用的K‑Means++算法的质心计算公式为：Δx＝|Ci‑1‑x|

式中：Ci为聚类中心，x为样本点，|Ci|为该类样本个数，Ci‑1为上一次迭代的聚类中心，Δx为样本点与Ci‑1的曼哈顿距离，ΔxM为中位数M与Ci‑1的曼哈顿距离。

9.根据权利要求1所述的基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，所确定的边框损失函数包括置信度误差、定位误差和分类误差；

其中，置信度误差和分类误差采用交叉熵误差计算；

定位误差采用如下方法计算：

计算预测框与真实框的交并比IOU；

计算目标定位损失Lloc：

gt gt

式中：b、b 分别为真实框、预测框的中心点，ρ(·)表示欧氏距离，c为b、b 最小外接矩gt形的对角线距离，h、h 分别为预测框、真实框的对角线，α、v均为影响因子，β为预测框和真实框的对角线夹角。

10.根据权利要求1所述的基于深度学习的夜间交通标志图像检测模型建立方法，其特征在于，还包括对所述训练集中的图像采用如下方法预处理：计算图像亮度，若亮度低于130，则引入自适应Gamma校正做图像亮度增强；在所引入的自适应Gamma校正中，伽马值γ通过下式计算： 其中X为图像平均亮度；

使用Shi‑Tomasi角点检测算法获取图像的角点特征；

对样本数量少于设定阈值的夜间交通标志图像做数据增强。