10.3969/j.issn.1006-2475.2018.07.021
基于卷积神经网络的交通路标识别
科技的发展,使得适合无人驾驶的交通路标识别变得越来越实际.而利用卷积神经网络进行的交通路标识别是目前最为流行的方法,本文基于该方法进行实验.在现实收集路标图像数据后,利用直方图均衡化等方法实现图片预处理,构成训练集和测试集.然后构建LeNet5结构的卷积神经网络对路标图片训练集进行训练,再利用测试集来检验模型的精准度.在第一次实验中,模型的识别准确率虽然已经高于其他传统识别方法,但是只有87.5%,经过对神经网络的批尺度和卷积核以及训练次数等方面调整后,识别率达到93.2%.
卷积神经网络、路标识别、Python
TP301(计算技术、计算机技术)
2018-08-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
103-107,113