基于卷积神经网络的交通标志识别

• 作者: 凌力 高咪
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 交通标志识别 卷积神经网络 低压缩度特征 深度学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 开发应用
• 页码范围: 100-103
• 页数: 4页
• 分类号: TP391
• 字数: 3453字
• 语种: 中文

摘要

实际的交通场景中,交通标志图像通常会受到运动模糊、背景干扰、形状畸变等因素的影响,快速准确的识别交通标志具有相当大的难度.传统卷积神经网络在图像识别过程中,池化等操作会导致图像细节信息丢失,影响交通标志识别的准确率.针对这一问题,提出一种低压缩度特征卷积神经网络模型,通过在全连接层聚合压缩程度较低的特征图,实现对图片细节特征的表达.实验结果表明,和传统的卷积神经网络相比,该模型具有更高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	凌力	复旦大学信息科学与工程学院	58	466	11.0	20.0
2	高咪	复旦大学信息科学与工程学院	1	1	1.0	1.0