基于优化的卷积神经网络在交通标志识别中的应用

• 作者: 张邯 罗晓曙 袁荣尚
• 来源期刊: 现代电子技术
• 关键词: 卷积神经网络 非对称卷积 批量归一化 交通标志 梯度传输 分类精度
• 年，卷（期）: 2018,（21）
• 所属期刊栏目: 智能交通与导航
• 页码范围: 132-136
• 页数: 5页
• 分类号: TN711-34|TP391.4
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.21.030

摘要

在现实的交通环境中,由于各种因素影响,使得所采集到的交通标志图像识别的准确性不高,鲁棒性也较差,给交通标志的准确识别带来了很大的困难.为此,采用非对称卷积结构对经典卷积神经网络AlexNet进行改进,并引入批量归一化(BN)方法,提出基于优化卷积神经网络结构的交通标志识别方法.其中,非对称卷积结构使网络进一步加深,提高了识别精度.BN将每一层的输出数据归一化为均值为0、标准差为1,确保了数据稳定,使梯度传输更为顺畅.使用德国交通标志数据集进行训练并测试,结果显示改进的网络结构提升了网络的分类精度,且达到了97.56％,具有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗晓曙	广西师范大学电子工程学院	227	1924	22.0	32.0
2	袁荣尚	广西师范大学电子工程学院	2	9	1.0	2.0
3	张邯	广西师范大学电子工程学院	1	8	1.0	1.0