改进的深度卷积网络在交通标志识别中的应用

• 作者: 冯燕燕 周悦 曾上游 杨远飞 甘晓楠
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 交通标志 卷积神经网络 特征提取
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 视频应用与工程
• 页码范围: 214-219
• 页数: 6页
• 分类号: TP391.4
• 字数: 3655字
• 语种: 中文
• DOI: 10.16280/j.videoe.2017.h11.041

摘要

[目的]交通标志的采集大多是在自然环境下进行的,因为背景干扰、视角倾斜、局部遮挡等不利条件下导致采集的图像质量不高;传统的卷积神经网络(convolution neural network,CNN)只有一条通道提取特征,在面对质量不高的图像时,会出现特征提取不充分的情况导致分类准确率不高.[方法]提出了一种改进的网络模型,该模型集合了多尺度输入、并行交叉以及恒等映射的特点.[结果]能够保证特征提取的充分性与多样性并使网络性能不会随深度加深而退化.[结论]在实验阶段用该网络对德国交通标志数据库(GTSRB)进行测试,取得了97.6％的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周悦	广西师范大学电子工程学院	13	16	2.0	3.0
2	曾上游	广西师范大学电子工程学院	20	28	3.0	4.0
3	杨远飞	广西师范大学电子工程学院	6	20	3.0	4.0
4	冯燕燕	广西师范大学电子工程学院	5	14	2.0	3.0
5	甘晓楠	广西师范大学电子工程学院	1	4	1.0	1.0