基于卷积神经网络的交通路标识别

• 作者: 林楠 陈柏立
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 卷积神经网络 路标识别 Python
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 图像处理
• 页码范围: 103-107,113
• 页数: 6页
• 分类号: TP301
• 字数: 5049字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.07.021

摘要

科技的发展,使得适合无人驾驶的交通路标识别变得越来越实际.而利用卷积神经网络进行的交通路标识别是目前最为流行的方法,本文基于该方法进行实验.在现实收集路标图像数据后,利用直方图均衡化等方法实现图片预处理,构成训练集和测试集.然后构建LeNet5结构的卷积神经网络对路标图片训练集进行训练,再利用测试集来检验模型的精准度.在第一次实验中,模型的识别准确率虽然已经高于其他传统识别方法,但是只有87.5％,经过对神经网络的批尺度和卷积核以及训练次数等方面调整后,识别率达到93.2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林楠	华南农业大学数学与信息学院	18	144	5.0	11.0
2	陈柏立	华南农业大学数学与信息学院	1	1	1.0	1.0