基于卷积神经网络的交通标志识别方法研究

摘要：

现如今智能驾驶成为发展潮流,而交通标志识别作为智能驾驶中不可或缺的一部分有着重要的研究意义.为了提高交通标志识别的分类准确度,论文提出了RI-Model模型,该模型利用经典神经网络ResNet-50与Inception-V3进行特征提取,结合特征融合的思想来提高交通标志的识别率.采用比利时交通标志数据集(BelgiumTS),在对数据集进行预处理后利用RI-Model测试其识别正确率.结果表明:该方法能够在较短的训练时间内达到更好的收敛性能且具有很好的鲁棒性,RI-Model在该数据集上的识别准确率达到98.86%,相较于直接使用ResNet-50与Inception-V3算法提升了1.5%左右.

关键词：交通标志识别、卷积神经网络、深度学习

所属期刊栏目：51

分类号：TP391.41(计算技术、计算机技术)

资助基金：陕西省教育厅自然基金青年项目;陕西科技大学博士启动基金项目

在线出版日期：2023-10-09（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：1323-1327,1370