应用深层卷积神经网络的交通标志识别

• 作者: 张尤赛 黄琳
• 来源期刊: 现代电子技术
• 关键词: 交通标志 识别 卷积神经网络 深度学习
• 年，卷（期）: 2015,（13）
• 所属期刊栏目: 测试?测量?自动化
• 页码范围: 101-106
• 页数: 6页
• 分类号: TN911.73-34|TP391.41
• 语种: 中文

摘要

在实际交通环境中，由于运动模糊、背景干扰、天气条件以及拍摄视角等因素，所采集的交通标志的图像质量往往不高，这就对交通标志自动识别的准确性、鲁棒性和实时性提出了很高的要求。针对这一情况，提出一种基于深层卷积神经网络的交通标志识别方法。该方法采用深层卷积神经网络的有监督学习模型，直接将采集的交通标志图像经二值化后作为输入，通过卷积和池采样的多层处理，来模拟人脑感知视觉信号的层次结构，自动地提取交通标志图像的特征，最后再利用一个全连接的网络实现交通标志的识别。实验结果表明，该方法利用卷积神经网络的深度学习能力，自动地提取交通标志的特征，避免了传统的人工特征提取，有效地提高了交通标志识别的效率，具有良好的泛化能力和适应范围。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张尤赛	江苏科技大学电子信息学院	59	353	9.0	14.0
2	黄琳	江苏科技大学电子信息学院	1	39	1.0	1.0