基于可能性聚类和卷积神经网络的道路交通标识识别算法

• 作者: 何锐波 梁久祯 狄岚
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 道路交通标识识别 卷积神经网络 Squeeze-and-Excitation网络 残差连接
• 年，卷（期）: 2019,（2）
• 页码范围: 238-250
• 页数: 13页
• 分类号: TP3 9 1.4
• 字数: 6186字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2019.02.009

摘要

为解决图像采集中噪声和复杂背景对图片的影响以及深度神经网络的高耗时问题,基于可能性聚类算法与卷积神经网络,提出一种道路交通标识识别算法.该方法运用了图像分割技术,并结合卷积神经网络模型对道路交通标识进行更准确的识别.首先,通过色彩增强、图像分割、特征提取、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合 Squeeze-and-Excitation思想和残差网络结构,充分训练出 MRESE(My Residual-Squeeze and Excitation)卷积神经网络模型;最后,将优化的网络模型用于道路交通标志的识别.实验结果表明,该方法使训练时间缩短了 5%左右,识别精度可达 99.02%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁久祯	常州大学信息科学与工程学院	22	34	4.0	5.0
2	狄岚	江南大学数字媒体学院	25	56	4.0	6.0
3	何锐波	江南大学数字媒体学院	4	5	1.0	2.0