基于图像聚类的交通标志CNN快速识别算法
为了提高交通标志图像识别的准确性和实时性,提出一种基于图像聚类的交通标志CNN快速识别算法.利用图像聚类算法对原始数据集进行样本优化;采用多种图像预处理操作使样本整体质量进一步提升;构造了深度为9的CNN结构,通过多次训练得到最终的网络模型,将待识别的图像输入到CNN模型来实现自动识别.在德国交通标志数据集(German traffic sign recognition benchmark,GTSRB)和比利时交通标志数据集(Belgium traffic sign dataset,BTSD)上证明了算法的有效性,单张图片的识别速度只需0.2 s,识别精度高达98.5%以上.本算法具有识别速度快、准确率高的特点,可为智能驾驶的可靠性和安全性提供理论依据和技术支持.
交通标志、模式识别、图像预处理、图像聚类、样本优化、深度学习、卷积神经网络、智能汽车
14
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61603107,61863007;省部共建药用资源化学与药物分子工程国家重点实验室项目NCOC2016-B01;广西研究生教育创新计划项目YCSW2017144;桂林电子科技大学研究生教育创新计划项目2017YJCX88,2018YJCX76
2019-07-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
670-678