作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
应用深层卷积神经网络的交通标志识别
交通标志
识别
卷积神经网络
深度学习
基于卷积神经网络的实景交通标志识别
卷积神经网络
深度学习
交通标志识别
训练
基于多尺度卷积神经网络的交通标志识别
模式识别系统
交通标志识别
多尺度卷积神经网络
SoftMax分类器
基于轻量型卷积神经网络的交通标志识别
卷积神经网络
交通标识
图像增强
深度可分离卷积
激活函数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的交通标志识别
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
研究方向 页码范围 100-103
页数 4页 分类号 TP391
字数 3453字 语种 中文
DOI
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (50)
共引文献  (441)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (8)
二级引证文献  (0)
1943(1)
  • 参考文献(0)
  • 二级参考文献(1)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(8)
  • 参考文献(0)
  • 二级参考文献(8)
2016(12)
  • 参考文献(1)
  • 二级参考文献(11)
2017(4)
  • 参考文献(1)
  • 二级参考文献(3)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
交通标志识别
卷积神经网络
低压缩度特征
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导