-
题名基于多尺度卷积神经网络的交通标志识别
被引量：11
- 1
-
-
作者
薛之昕
郑英豪
肖建
魏玲玲
-
机构
南昌大学信息工程学院
江西科技学院信息工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第3期261-266,共6页
-
基金
江西省科技计划重点项目(20181BBG70031)。
-
文摘
基于多纵卷积神经网络的交通标志识别算法识别率较高,但识别和训练时间较长,实用性较差。为此,构造一种基于多尺度卷积神经网络的道路交通标志识别模型。通过改进单尺度卷积神经网络中特征提取的基网络,将网络不同层级所产生的特征融合为多尺度特征并提供给分类器,以提高低层特征的利用率。在GTSRB数据集上的实验结果表明,该模型准确识别率达到99.25%,与多纵卷积神经网络模型相比,其在保证高精度的同时,识别和训练时间的降幅均超过90%,更适用于真实路况下交通标志的精准检测。
-
关键词
多层特征
多尺度卷积神经网络
多纵卷积神经网络
交通标志识别
单尺度卷积神经网络
-
Keywords
multi-layer feature
multi-scale Convolutional Neural Network(cnn)
multi-column cnn
traffic sign recognition
single-scale cnn
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
