一种基于深度学习的交通标志识别算法研究
针对当前在真实环境中交通标志呈多尺度分布,且图像背景复杂、天气光照多变等多种因素造成识别精度低、识别速度慢等情况.提出了一种基于深度学习神经网络的交通标志识别的设计与实现.首先从公开数据集TT100K中选取出现次数最多的45类交通标志进行识别,接着对图像进行mosaic等图像增强及图像处理.然后在深度学习神经网络中的YOLOv4网络结构上进行改进,使用聚类划分需要检测的目标框尺寸和CIOU对预测结果进行优化,最后使用迁移学习对模型进行训练.通过对模型的评估发现,与现有的方法相比,该模型的识别精度更高,识别速度更快.
深度学习、目标检测、交通标志检测、YOLOv4
18
TP393(计算技术、计算机技术)
江苏省青蓝工程;江苏省大学生创新创业训练计划项目;苏州工业职业技术学院科研启动基金;苏州工业职业技术学院院级课题
2022-04-18（万方平台首次上网日期，不代表论文的发表时间）
共3页
116-118
