基于伪样本正则化Faster R-CNN的交通标志检测

摘要：

针对交通标志检测算法往往仅能对特定类标志检测或基于深度学习方法因训练样本少而造成"过拟合"高风险等问题,本文提出了一种基于伪样本正则化Faster R-CNN深度学习的标志检测算法.该算法首先通过训练数据集提供的标志和无标注的背景样本,提出了一种伪样本正则化策略.然后,通过深度学习模型中区域建议生成网络获取建议区域.最后,利用交替训练策略、共享CNN策略和联合训练策略、RPN网络和Fast R-CNN目标检测网络交替训练和联合训练,最终获取Faster R-CNN交通标志检测模型,实现了各类标志的检测,并有效降低了"过拟合"风险.实验结果验证了本文算法的有效性.

关键词：信息处理技术、交通标志检测、伪样本正则化、Faster R-CNN、区域建议网络

所属期刊栏目：51

分类号：TN911.73

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;辽宁省自然科学基金;辽宁省自然科学基金;辽宁省自然科学基金;辽宁省百千万人才工程项目;大连市青年科技之星项目;辽宁省高校创新人才计划项目;兴辽英才计划项目

在线出版日期：2022-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1251-1260