基于图像聚类的交通标志CNN快速识别算法

• 作者: 伍锡如 雪刚刚
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 交通标志 模式识别 图像预处理 图像聚类 样本优化 深度学习 卷积神经网络 智能汽车
• 年，卷（期）: 2019,（4）
• 页码范围: 670-678
• 页数: 9页
• 分类号: TP391.4
• 字数: 6110字
• 语种: 中文
• DOI: 10.11992/tis.201806026

摘要

为了提高交通标志图像识别的准确性和实时性,提出一种基于图像聚类的交通标志CNN快速识别算法.利用图像聚类算法对原始数据集进行样本优化;采用多种图像预处理操作使样本整体质量进一步提升;构造了深度为9的CNN结构,通过多次训练得到最终的网络模型,将待识别的图像输入到CNN模型来实现自动识别.在德国交通标志数据集(German traffic sign recognition benchmark,GTSRB)和比利时交通标志数据集(Belgium traffic sign dataset,BTSD)上证明了算法的有效性,单张图片的识别速度只需0.2 s,识别精度高达98.5％以上.本算法具有识别速度快、准确率高的特点,可为智能驾驶的可靠性和安全性提供理论依据和技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伍锡如	桂林电子科技大学电子工程与自动化学院	39	172	6.0	12.0
5	雪刚刚	桂林电子科技大学电子工程与自动化学院	2	4	2.0	2.0