10.19678/j.issn.1000-3428.0054590
基于多尺度卷积神经网络的交通标志识别
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.
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
46
TP183(自动化基础理论)
江西省科技计划重点项目20181BBG70031
2020-04-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
261-266