基于改进卷积神经网络的交通标志识别方法

• 作者: 孙辉 汪喆远 王岗 王晔枫 袁小平
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 深度学习 交通标志识别 卷积神经网络 FasterR-CNN RPN 特征融合
• 年，卷（期）: 2019,（11）
• 页码范围: 28-32
• 页数: 5页
• 分类号: TP391.41
• 字数: 2304字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2019.11.006

摘要

针对智能交通系统中小尺度交通标志识别率低的问题,文中提出一种改进卷积神经网络的交通标志识别方法.该方法通过在Faster R-CNN算法的低层特征图上增加优化的RPN网络,提升了小尺度交通标志的检测率.该方法还利用Max Pooling方法实了现图像的局部细节特征与全局语义特征充分融合.在TT-100K数据集上稍微实验结果表明新方法可以明显提高小尺度交通标志的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁小平	中国矿业大学信息与控制工程学院	93	432	11.0	16.0
2	孙辉	中国矿业大学信息与控制工程学院	7	29	3.0	5.0
3	王岗	中国矿业大学信息与控制工程学院	2	3	1.0	1.0
4	王晔枫	中国矿业大学信息与控制工程学院	2	4	1.0	2.0
5	汪喆远	中国矿业大学信息与控制工程学院	1	3	1.0	1.0