基于LeNet-5的卷积神经图像识别算法
为了提升道路交通标志的识别准确率以及实施性能,本文提出一种改进的LeNet-5卷积神经网络结构对交通标志图像进行训练.首先在检测阶段,采用基于颜色的轻量级分割算法和Hough变换算法提取交通标志的目标区域,并控制算法复杂度使该识别系统基本满足实时性要求,再利用LeNet-5对交通标志进行分类识别.在实际的校园道路在线识别试验中进行检测,结果表明,18个交通标志通过驾驶均在本文的算法中成功识别,其运行速率达到16.9 Hz,基本满足交通标志识别稳定、实时等性能要求.
交通标志识别、卷积神经网络、实时图像处理、自主车辆
35
TP391.41(计算技术、计算机技术)
2020-05-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
486-490