10.19678/j.issn.1000-3428.0062885
基于进化ResNet的交通标志识别
卷积神经网络具有较优的图像特征提取性能,被广泛应用于交通标志识别领域.然而,现有交通标志识别算法通常基于专家经验设计改进的图像特征提取网络,需经历图像预处理和模型调参过程,导致模型的复杂度增大.提出一种基于进化ResNet的交通标志识别算法.将ResNet的构建参数嵌入到进化算法中,在架构搜索空间中以构建块作为基本单位,并将网络深度、卷积层通道数、池化层类型和模块构建顺序作为搜索空间的可变参数,利用交叉、变异等遗传算子执行自适应优化搜索,以确保进化搜索的有效性,同时设计适用于交通标志识别的轻量化网络.在德国交通标志数据集上的实验结果表明,该算法的识别精度达到99.41%,而参数量仅为2.37×106,相比Multi-column DNN、MFC、MFC+ELM等算法,在保证识别精度的同时减少网络参数量.
交通标志识别、卷积神经块、残差块、进化算法、进化神经网络
48
TP391(计算技术、计算机技术)
国家自然科学基金62066041
2022-10-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
262-269