基于迁移学习的交通标志识别

• 作者: 何金鑫 卢健 陈泽民 马成贤
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 深度学习 迁移学习 交通标志识别 微量数据集
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 81-85,100
• 页数: 6页
• 分类号: TP389.1
• 字数: 3094字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.11.016

摘要

传统的交通标志识别方法主要基于特征提取和机器学习技术,易受外部环境干扰,特征学习和特征表达能力较弱,识别准确率低.而基于深度学习的交通标志识别,对学习数据要求较高,模型在小样本数据学习中学习效率低.针对上述问题,提出了一种基于迁移学习的交通标志识别方法.该方法首先将ImageNet数据集中训练好的Inceptionv3模型的卷积层和瓶颈层进行迁移;然后在瓶颈层后接上全链接层,从而构建出迁移学习的模型;最后利用公开数据集和公开场景的交通标志图像进行实验训练模型验证.实验结果表明,与现有主流的交通标志识别方法相比,所提方法在微量数据集下有较高的识别率,预测准确率达96％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢健	西安工程大学电子信息学院	29	71	6.0	7.0
2	陈泽民	西安工程大学电子信息学院	2	1	1.0	1.0
3	马成贤	西安工程大学电子信息学院	4	1	1.0	1.0
4	何金鑫	西安工程大学电子信息学院	4	1	1.0	1.0