基于卷积神经网络和多类SVM的交通标志识别

• 作者: 宋佳蓉 张天翼 朱家远 杨忠 韩家明
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 交通标志识别 卷积神经网络 深度学习 迁移学习 多类SVM 过拟合 softmax AlexNet
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 自动化技术
• 页码范围: 71-75,81
• 页数: 6页
• 分类号: TP751
• 字数: 4256字
• 语种: 中文
• DOI: 10.11991/yykj.201710009

摘要

为了实现在复杂环境下具有较高准确率的交通标志识别以及在小样本情况下也能良好工作的识别网络,提出一种基于卷积神经网络和多类SVM的交通标志识别模型.此模型不需人工设计特征提取算法,且在小样本训练集上也能训练出具有较高准确率的分类模型.除此之外,利用迁移学习策略,避免重新初始化卷积神经网络,在节省大量样本与训练时间的同时能有效避免过拟合的发生.实验结果表明,提出的分类模型在小样本训练集上进行训练后得到的模型在实际测试中有较好的表现且对处于复杂背景下和严重畸变的交通标志具有可靠的识别能力和良好分类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨忠	南京航空航天大学自动化学院	125	1388	18.0	32.0
2	张天翼	南京航空航天大学自动化学院	3	16	2.0	3.0
3	宋佳蓉	南京航空航天大学自动化学院	3	23	3.0	3.0
4	韩家明	南京航空航天大学自动化学院	5	23	3.0	4.0
5	朱家远	南京航空航天大学自动化学院	4	21	3.0	4.0