基于二级改进LeNet-5的交通标志识别算法

摘要：

以真实场景中拍摄的交通标志图像数据集GTSRB为研究对象,将卷积神经网络与支持向量机相结合,提出一种基于二级改进LeNet-5的交通标志识别算法.该算法首先根据识别系统的实时性要求,对原始LeNet-5结构进行改进;然后用裁剪、灰度化、图像增强和尺寸归一化等操作对原始图像进行预处理,得到32×32的感兴趣区域;接下来,利用数据集GTSRB训练出一个二级改进LeNet-5,其中第一级改进LeNet-5将感兴趣区域中包含的交通标志粗分为6类,第二级改进LeNet-5对粗分类结果进行细分类,识别出交通标志所属的最终类别.实验结果表明,基于二级改进LeNet-5交通标志识别算法因网络模型能够提取交通标志的多尺度特征,识别正确率可达91.76%.

关键词：卷积神经网络、交通标志、分类识别、支持向量机

所属期刊栏目：45

分类号：TP39(计算技术、计算机技术)

资助基金：国家自然科学基金61501287,61501286;陕西省重点实验室开放共享项目SAIIP201202;陕西省自然科学基础研究计划2015JQ6208

在线出版日期：2017-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：24-28