10.3969/j.issn.1006-2475.2019.12.013
基于卷积神经网络与集成学习的交通标志识别
为提高复杂情况(如遮挡、透视畸变等)下交通标志识别的精度,提出一种有效的基于卷积神经网络(Convolutional Neural Network,CNN)与集成学习的交通标志识别方法.首先通过融合颜色分割、形态学处理、形状检测等多种方法分割出交通标志,然后利用卷积神经网络对其特征进行提取并分别采用支持向量机(Support Vector Machine,SVM)和Soft-max多类分类器对其进行识别,最后将2种分类结果进行集成作为最终的识别结果.实验结果表明,本文算法可有效提高复杂情况下交通标志识别精度,整体上具有较高的性能.
交通标志识别、集成学习、支持向量机、卷积神经网络、主成分分析
TP391(计算技术、计算机技术)
河南省自然科学基金资助项目162300410347
2019-12-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
67-71,77