基于迁移学习和显著性检测的盲道识别

• 作者: 吴少智 李小舜 李林
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 盲道场景识别 迁移学习 深度神经网络 移动网络模型 显著性检测
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 热点与综述
• 页码范围: 8-14,29
• 页数: 8页
• 分类号: TP391
• 字数: 6722字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1802-0069

摘要

为了帮助对视觉障碍患者有效识别道路周围的场景,提出一种基于迁移学习和深度神经网络方法,实现实时盲道场景识别.首先提取盲道障碍物的瓶颈描述子和判别区域集成显著性特征描述子,并进行特征融合,然后训练新的盲道特征表示,用Softmax函数实现盲道场景识别.实验中,对成都不同区域盲道周围障碍物采样,分别采用基于Mobilenet模型不同参数训练和测试了提出的新模型,最后在实际应用场景,实现了盲道周边障碍物的实时分类和报警,实验证明提出的方法具有很高准确率和良好的运行性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴少智	电子科技大学计算机科学与工程学院	4	7	1.0	2.0
2	李小舜	四川大学电子信息学院	5	19	2.0	4.0
3	李林	成都师范学院计算机科学学院	4	12	2.0	3.0