基于改进卷积神经网络的实时交通标志检测方法
提出了一种基于改进卷积神经网络的交通标志检测方法.预训练模型产生否定;使用难分类负样本采集将负样本输入到网络中,提高模型的判别能力;使用多尺度训练过程中的特征级联策略来进一步提升模型的性能.利用TensorFlow框架在德国交通标志检测数据集上对所提方法的有效性进行了仿真.研究结果表明,与现有技术相比,所提方法能够获得更快的检测速率,处理每幅图像仅需0.016 s.
图像处理、卷积神经网络、交通标志检测、特征拼接、难分类负样本采集、多尺度训练
56
TP181(自动化基础理论)
安徽省高校自然科学研究重点项目KJ2018A0122
2019-07-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
115-121