基于二级改进LeNet-5的交通标志识别算法

• 作者: 党倩 陈昱莅 马苗
• 来源期刊: 陕西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 交通标志 分类识别 支持向量机
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 24-28
• 页数: 5页
• 分类号: TP39
• 字数: 3619字
• 语种: 中文
• DOI: 10.15983/j.cnki.jsnu.2017.02.125

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%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马苗		87	626	14.0	20.0
10	党倩	陕西师范大学计算机科学学院	5	19	2.0	4.0
11	陈昱莅		3	26	2.0	3.0