基于多尺度卷积神经网络的交通标志识别

• 作者: 宋青松 张超 王兴莉 田正鑫 陈禹
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 模式识别系统 交通标志识别 多尺度卷积神经网络 SoftMax分类器
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 计算机科学
• 页码范围: 131-137
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2018.08.018

摘要

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82％的识别准确率以及每幅图像0.1 ms的识别速度,本文算法具有一定的先进性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张超	长安大学信息工程学院	66	464	9.0	20.0
2	宋青松	长安大学信息工程学院	13	90	6.0	9.0
3	田正鑫	长安大学信息工程学院	2	25	2.0	2.0
4	陈禹	长安大学信息工程学院	4	12	1.0	3.0
5	王兴莉	长安大学信息工程学院	3	12	1.0	3.0