基于LeNet-5卷积神经网络和颜色特征的限速标志识别
限速标志识别是智能驾驶的重要组成部分,文中分析了现有方法存在的问题,为了提高神经网络在中国限速标志上的泛用性和准确率,针对限速标志的检测部分,提出了一种基于颜色空间的新型筛选方法;针对限速标志的识别部分,在现有LeNet-5架构的基础上对神经网络进行了改进,并将德国交通标志数据集(GTSRB)和清华交通标志数据集(TT100K)中限速标志数据融合,经过数据扩增后制作成新的数据集送入神经网络来训练模型.通过多次超参数优化,采用swish激活函数,在测试集上得到的最优识别准确率为99.62%,且模型抗干扰能力强,具有较强的实用性能.
卷积神经网络;限速标志识别;颜色空间;数据增广;高斯圆检测
48
TP391(计算技术、计算机技术)
国家自然科学基金;湖北省技术创新重大专项
2021-11-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
345-350