-
题名基于AlexNet网络的交通标志识别方法
被引量：6
- 1
-
-
作者
徐兢成
王丽华
-
机构
南京信息工程大学自动化学院
-
出处
《无线电工程》
北大核心
2022年第3期470-475,共6页
-
基金
江苏省大学生创新创业计划重点项目(XJDC202110300630)。
-
文摘
针对交通标志在城市交通中易受恶劣天气、交通拥堵等影响而导致识别率低的问题,提出了一种在Alex模型基础上改进的交通标志识别方法,引入了批量归一化(Batch Normalization,BN)方法取代原有的局部响应归一化(Local Response Normalization,LRN)法,并加入全局平均池化层(Global Average Pooling Layer,GAP)取代原有的全连接层。其中BN法将每一层输出数据归一化为均值为0、标准差为1,使得结构传输更为顺畅;GAP层的引入大大减少了网络参数量。使用GTSRB数据集进行训练并测试,结果表明改进后的网络模型分类精度有了很大的提高,达到了93.2%,具备一定的实用价值。
-
关键词
卷积神经网络
交通标识
批归一化处理
全局平均池化层
-
Keywords
convolutional neural network
traffic signs
batch normalization
global average pooling layer
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
