应用卷积神经网络与RPN的交通标志识别

• 作者: 凌伟林 卢剑彪 李楚宏 温捷文 谭台哲
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 交通标志检测 实时 区域生成网络(RPN) 智能交通
• 年，卷（期）: 2018,（21）
• 所属期刊栏目: 工程与应用
• 页码范围: 251-256,264
• 页数: 7页
• 分类号: TN911.73-34|TP391.41
• 字数: 5912字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1707-0355

摘要

在智能交通系统中要求交通标志识别具有良好的鲁棒性、实时性,并且实际交通环境中可能因路标模糊、光照强弱、尺度大小、复杂背景等因素的问题,导致交通标志识别准确率很低.针对上述问题,提出了利用深度学习方法设计卷积神经网络,并通过卷积和池采样的多层处理,结合目标检测方法中的RPN网络结构,以提取图像的候选区域,从而对候选区域进行特征提取,最后利用全连接网络实现对特征图进行回归处理,获取检测目标的位置及识别.实验结果表明,该方法能有效地提高检测精度和计算效率,降低错误率,对于光照、旋转等不良因素下交通标志检测具有较好的稳定性和准确性,有效地提高了交通标志识别效率,具有良好的泛化能力和适应性,且满足一定的实时性的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢剑彪	广东工业大学计算机学院	2	14	2.0	2.0
2	温捷文	广东工业大学计算机学院	3	37	3.0	3.0
3	李楚宏	广东工业大学计算机学院	2	14	2.0	2.0
4	凌伟林	广东工业大学计算机学院	2	28	2.0	2.0