基于集成卷积神经网络的交通标志识别

• 作者: 吴建 孙海霞 张功国 易亿 王梓权
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 集成学习 批量归一化 支持向量机
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 571-577
• 页数: 7页
• 分类号: TP391.41
• 字数: 5907字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2019.04.019

摘要

以交通标志识别为研究目的,提出一种基于集成卷积神经网络的交通标志识别算法,通过对多个不同结构的卷积神经网络进行集成以提高算法识别率.为了缩短网络训练和测试时间以及提高网络识别率,对单个卷积神经网络的结构进行了优化.使用ReLU(rectified linear unit)激活函数来代替传统的激活函数,使用批量归一化(batch normalization,BN)方法对卷积层输出数据进行归一化处理,将卷积神经网络的分类器用支持向量机(support vector machine,SVM)代替.使用德国交通标志识别数据库(german traffic sign recognition benchmark,GTSRB)进行训练和测试,实验结果表明,提出的算法识别率为98.29％,单幅交通标志图像测试时间为1.32 ms,对交通标志具有良好的识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴建	重庆邮电大学通信与信息工程学院	27	169	7.0	12.0
2	张功国	重庆邮电大学通信与信息工程学院	15	72	5.0	8.0
3	易亿	重庆邮电大学通信与信息工程学院	2	9	2.0	2.0
4	王梓权	重庆邮电大学通信与信息工程学院	2	9	2.0	2.0
5	孙海霞	重庆邮电大学通信与信息工程学院	1	6	1.0	1.0