基于双通路跃层卷积网络的交通标志识别算法

• 作者: 朱东涛 李钊 杨星 邵慧 陈杰
• 来源期刊: 安徽建筑大学学报
• 学科: 工学
• 关键词: 卷积神经网络 交通标志识别 双通路跃层 特征融合 深度学习
• 年，卷（期）: 2018,（1）
• 页码范围: 61-66
• 页数: 6页
• 分类号: TP391.41
• 字数: 3028字
• 语种: 中文
• DOI: 10.11921/j.issn.2095-8382.20180112

摘要

交通标志识别(Traffic Sign Recognition, TSR)是智能交通系统的重要研究方向之一.因道路交通的环境复杂、交通标志数据库规模大小等因素制约,在设计TSR系统可行性方案时必须考虑算法的复杂度、识别率和鲁棒性.针对这一问题,本文提出了一种不同尺度的双通路跃层卷积神经网络算法,在同一通路上交通标志的底层局部特征和高层全局的特征,与不同通路上经过局部响应归一化和池化后的特征在全连接层融合,从而丰富了交通标志分类的特征,最后将特征图输入分类器进行交通标志识别.采用德国交通标志识别标准数据集(German Traffic Sign Recognition Benchmark, GTSRB)进行训练和测试,本文算法的识别率达到97.96％,明显优于单一通路的跃层卷积网络算法和人工方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈杰	安徽建筑大学电子与信息工程学院	38	93	6.0	7.0
2	邵慧	安徽建筑大学电子与信息工程学院	17	51	4.0	6.0
3	李钊	安徽建筑大学电子与信息工程学院	3	6	1.0	2.0
4	杨星		11	20	3.0	4.0
8	朱东涛	安徽建筑大学电子与信息工程学院	1	1	1.0	1.0