基于多尺度卷积神经网络的交通标志识别

摘要：

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

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：江西省科技计划重点项目20181BBG70031

在线出版日期：2020-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：261-266