摘要
目前人工智能在自动驾驶中得到大量的应用,深度学习是实现人工智能的技术之一,尤其是深度学习中的卷积神经网络擅长处理图像分类、图像识别、目标分割和检测等方面的问题,本次实验对卷积神经网络的LeNet-5模型进行改进,以提高对GTSRB数据库中交通标识的识别率.实验结果表明,改进模型比标准模型的识别率提高了0.24%,并验证了算法的可行性.
At present,artificial intelligence has been widely used in autonomous driving.Deep learning is one of the technologies to realize artificial intelligence,especially convolutional neural networks in deep learning are good at dealing with image classification,image recognition,target segmentation and detection.In this experiment,the LeNet-5 model of the convolutional neural network was improved to enhance the recognition rate of the traffic signs in the GTSRB database.Through the experimental results,the improved model was 0.24%higher than the standard model to verify its feasibility.
作者
高铭悦
董全德
GAO Ming-yue;DONG Quan-de(School of Information Engineering,Suzhou University,Suzhou 234000,Anhui,China)
出处
《兰州文理学院学报（自然科学版）》
2020年第3期93-97,共5页
Journal of Lanzhou University of Arts and Science(Natural Sciences)
基金
2018年安徽高校自然科学研究项目(KJ2018A0447)
2017年度宿州学院重点科研项目(2017yzd19)
2019年度宿州学院科研平台开放课题项目(2019ykf03)
2018年第二批产学合作协同育人项目(201802070215)
农业生态大数据分析与应用技术国家地方联合工程研究中心开放课题项目(AE2018010)。
