基于级联端对端深度架构的交通标志识别方法

• 作者: 刘占文 徐江 樊星 沈超 连心雨
• 来源期刊: 计算机测量与控制
• 关键词: 深度学习 交通标志识别 ESPCN网络 RFCN网络 平衡采样 数据增强
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 设计与应用
• 页码范围: 143-148
• 页数: 6页
• 分类号: TP274
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.04.033

摘要

交通标志的正确识别是智能车辆规范行驶、道路交通安全的前提;为解决智能车采集目标图像模糊、分辨率低,造成识别精度低且时效性差的问题,构建一种基于级联深度网络的交通标志识别模型,该模型级联超分辨率处理网络ESPCN与目标检测识别网络RFCN,ESPCN网络提高输入采集图像的分辨率,为低分辨率图像实现超分辨率处理,RFCN网络提取图像全局特征,实现交通标志的检测与分类识别;平衡采样及多尺度的训练策略结合数据增强的预处理方法,增强了网络模型的鲁棒性及扩展性;经实验验证,算法模型针对常见交通标志识别率达到98.16％,召回率达到96.2％,且鲁棒性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘占文	长安大学信息工程学院	17	90	5.0	9.0
2	沈超	长安大学信息工程学院	14	52	3.0	7.0
3	连心雨	长安大学信息工程学院	2	1	1.0	1.0
4	樊星	长安大学信息工程学院	3	3	1.0	1.0
5	徐江	长安大学信息工程学院	8	6	2.0	2.0