基于卷积神经网络与集成学习的交通标志识别

• 作者: 刘树艺 李静 王伟 胡春
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 交通标志识别 集成学习 支持向量机 卷积神经网络 主成分分析
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 图像处理
• 页码范围: 67-71,77
• 页数: 6页
• 分类号: TP391
• 字数: 3442字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.12.013

摘要

为提高复杂情况(如遮挡、透视畸变等)下交通标志识别的精度,提出一种有效的基于卷积神经网络(Convolutional Neural Network,CNN)与集成学习的交通标志识别方法.首先通过融合颜色分割、形态学处理、形状检测等多种方法分割出交通标志,然后利用卷积神经网络对其特征进行提取并分别采用支持向量机(Support Vector Machine,SVM)和Soft-max多类分类器对其进行识别,最后将2种分类结果进行集成作为最终的识别结果.实验结果表明,本文算法可有效提高复杂情况下交通标志识别精度,整体上具有较高的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王伟	周口师范学院网络工程学院	34	62	5.0	6.0
2	李静	周口师范学院网络工程学院	12	11	2.0	3.0
3	刘树艺	周口师范学院网络工程学院	1	0	0.0	0.0
4	胡春	周口师范学院网络工程学院	1	0	0.0	0.0