基于变种Lenet深度学习模型的交通标志识别应用

• 作者: 付云霞 代剑豪 朱华通 杜禹霖 罗仁威
• 来源期刊: 电脑迷
• 关键词: 卷积神经网络 深度学习 交通标志
• 年，卷（期）: 2018,（14）
• 所属期刊栏目: 综合论坛
• 页码范围: 242-243
• 页数: 2页
• 字数: 3002字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-528X.2018.14.226

摘要

本论文探讨了深度学习模型在交通标志识别方面的应用.深度学习模型采用了Lenet模型及其变种的卷积神经网络,探索了不同的网络结构对于交通标志识别的影响,并在公开数据集GTSRB上进行实验.通过5个不同的Lenet模型及其变种模型的实验对比,发现训练过程都能很好的收敛,最好的模型识别交通标志精度能达到97.5％.由此可见Lenet模型对于交通标志识别是非常有效的,同时在保证识别效果的条件下,可以尽可能减小模型的参数,而增加全连接层的层数会减缓模型的收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗仁威	成都理工大学信息科学与技术学院	1	0	0.0	0.0
2	付云霞	成都理工大学管理科学学院	2	0	0.0	0.0
3	代剑豪	成都理工大学管理科学学院	1	0	0.0	0.0
4	朱华通	成都理工大学管理科学学院	1	0	0.0	0.0
5	杜禹霖	成都理工大学管理科学学院	1	0	0.0	0.0