一种改进的深度学习的道路交通标识识别算法
针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法.该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别.首先,通过调节光照影响、去除复杂背景、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合squeeze-and-excitation思想和残差网络结构,充分训练出自己的卷积神经网络模型;最后,将优化的网络模型用于道路交通标识的识别.实验结果表明,该方法使训练时间缩短了12%左右,识别精度可达99.26%.
道路交通标识识别、图像分割、卷积神经网络、去除复杂背景、数据增强、归一化、压缩和激励网络、残差连接
15
TP391.4(计算技术、计算机技术)
江苏省研究生科研与实践创新计划项目KYCX18_1872
2021-05-24(万方平台首次上网日期,不代表论文的发表时间)
共10页
1121-1130