基于深度学习的路面交通标志识别被引量：6

下载PDF

导出

摘要高级驾驶辅助系统中,路面交通标志检测和识别是获取安全和预警信息最基本和最具挑战性的任务之一。文章构建一种基于深度学习的路面交通标志识别模型。该模型引入AlexNet网络作为基础网络提取图像全局特征,对全图各个位置的多个尺度特征进行回归分析标志边框和类别,利用非极大值抑制算法消除多余检测框。实验证明该模型可以7类常见的路面交通标志,且具有较高的准确性和鲁棒性。

作者任洪梅

机构地区合肥工业大学计算机与信息学院

出处《信息通信》 2017年第4期26-27,共2页 Information & Communications

关键词深度学习路面交通标志检识别 AlexNet网络非极大值抑制

分类号 TP391.41 [自动化与计算机技术—计算机应用技术]

引文网络
相关文献

参考文献4

1韩文凤..路面箭头识别方法的研究[D].东北大学,2014:
2宋宇鹏..基于路面标志识别的增强导航系统[D].东北大学,2012:
3张永涛..基于机器视觉的路面交通标志识别的应用研究[D].广东工业大学,2015:
4方启龙..基于无人车辅助导航的交通标线识别方法研究[D].安徽大学,2012:

同被引文献30

1李祥熙,张航.交通标志识别研究综述[J].公路交通科技（应用技术版）,2010,6(6):253-257. 被引量：8
2朱双东,刘兰兰.基于颜色信息与SVM网络的交通标志检测[J].自动化仪表,2009,30(3):69-72. 被引量：9
3张卡,盛业华,叶春,李志英.基于中心投影形状特征的车载移动测量系统交通标志自动识别[J].仪器仪表学报,2010,31(9):2101-2108. 被引量：17
4李新,禹翼.基于SIFT算法的交通标志识别[J].制造业自动化,2012,34(5):10-12. 被引量：7
5余博,郭雷,钱晓亮,赵天云.一种新的自适应双边滤波算法[J].应用科学学报,2012,30(5):517-523. 被引量：34
6张明恒,韩月林,赵一兵,郑雨.基于改进Hu不变矩的路面交通标识识别[J].大连理工大学学报,2012,52(6):908-913. 被引量：7
7余进程,谢光汉,罗芳.基于深度学习的道路交通标志数字识别技术探究[J].数字技术与应用,2013,31(12):62-63. 被引量：5
8张国山,刘振.雾霾天气下交通标志的检测与识别[J].天津工业大学学报,2015,34(5):71-75. 被引量：7
9王雁,穆春阳,马行.基于Zernike不变矩与SVM的交通标志的识别[J].公路交通科技,2015,32(12):128-132. 被引量：11
10胡月志,李娜,胡钊政,李祎承.基于ORB全局特征与最近邻的交通标志快速识别算法[J].交通信息与安全,2016,34(1):23-29. 被引量：11

引证文献6

1林宇,陈晓勇.基于inception v3模型的道路交通标志识别研究[J].江西科学,2018,36(5):849-852. 被引量：13
2申雷霄,刘军.基于机器视觉的公路交通标志自动化巡检系统[J].交通运输研究,2018,4(5):71-76. 被引量：3
3程校昭,陈志军,吴超仲,马枫.基于改进深度卷积生成对抗网络的路面指示标志识别方法[J].交通信息与安全,2020,38(2):47-54. 被引量：1
4陈朋弟,黄亮,夏炎,余晓娜,高霞霞.基于Mask R-CNN的无人机影像路面交通标志检测与识别[J].国土资源遥感,2020,32(4):61-67. 被引量：17
5陈秀新,叶洋,于重重,张雪.基于深度学习的雾霾天气下交通标志识别[J].重庆交通大学学报（自然科学版）,2020,39(12):1-5. 被引量：7
6梁晓,王爽,王雪玮,郭京波.基于双边缘主次加权法的平面标志检测与识别[J].自动化应用,2021(8):3-5.

二级引证文献41

1刘洋宇.基于机器视觉的输电线路巡检应用发展趋势[J].自动化与仪器仪表,2020(4):183-186. 被引量：6
2乔欢欢,权恒友,邱文利,闫润禾.改进YOLOv5s的交通标志识别算法[J].计算机系统应用,2022,31(12):273-279. 被引量：5
3乔丹,刘刚,杨执钧,钟韬,白雪.基于迁移学习的船舶目标识别[J].计算机应用研究,2020,37(S01):324-325. 被引量：1
4刘凯,罗素云.基于改进YOLOX-S的交通标志识别[J].电子测量技术,2023,46(1):112-119. 被引量：2
5苏琳,张煦,张瑞红,李卓琼.Mask R-CNN和无人机遥感在黄河“四乱”问题调查中的应用[J].测绘通报,2023(S01):105-110.
6刘艳霞,丁小燕,方建军.基于迁移学习的风力发电机叶片裂缝识别[J].传感器与微系统,2019,38(8):107-110. 被引量：5
7陈桂芬,赵姗,曹丽英,傅思维,周佳鑫.基于迁移学习与卷积神经网络的玉米植株病害识别[J].智慧农业,2019,1(2):34-44. 被引量：25
8高洁,张键.基于深度卷积神经网络的时尚衣物搭配方法研究[J].电脑知识与技术,2019,15(8):180-183. 被引量：2
9杨炜,张志威,周凯霞,刘佳俊.大型车辆右转弯盲区预警系统设计[J].中国科技论文,2019,14(7):737-742. 被引量：5
10吴碧程,邓祥恩,张子憧,唐小煜.基于卷积神经网络的智能垃圾分类系统[J].物理实验,2019,39(11):44-49. 被引量：31

1季云峰,邓小龙,徐毅.基于SVR模型的自适应区域池化物体检测方法[J].计算机工程与设计,2017,38(10):2804-2808.
2MOOC成为主流后，在线学习如何发展？[J].中国远程教育,2017(9):77-77.
3王丽雯.基于AlexNet的Oxford花卉识别方法[J].科技视界,2017(14):83-83. 被引量：6
4法国经济持续复苏[J].金融博览,2017,0(17):5-5.
5王茂森,牛少彰.动态规划算法在手机拍照文档图像中的应用[J].北京邮电大学学报,2017,40(4):68-73. 被引量：1
6电装与东芝开展多领域合作[J].机器人技术与应用,2017(3):3-3.
7杨娉娉,武林会,米红妹,朱建明.改进的3D Canny算子在MRI乳腺图像分析中的应用[J].计算机测量与控制,2017,25(9):143-145. 被引量：3
8周元增.桥梁施工中大跨径连续桥梁施工关键技术分析与研究[J].居业,2017(8):121-122. 被引量：7
9MuA马.Alex Moulton“扫盲篇”[J].中国自行车,2017,0(10):92-97.
10赵艳,江泽涛.一种改进的Harris角点检测算法[J].桂林电子科技大学学报,2017,37(5):401-405. 被引量：7

信息通信

2017年第4期

浏览历史

内容加载中请稍等...

基于深度学习的路面交通标志识别被引量：6

参考文献4

同被引文献30

引证文献6

二级引证文献41

相关作者

相关机构

相关主题

浏览历史

基于深度学习的路面交通标志识别 被引量：6

参考文献4

同被引文献30

引证文献6

二级引证文献41

相关作者

相关机构

相关主题

浏览历史

基于深度学习的路面交通标志识别被引量：6