一种改进的CNN交通标志识别算法

• 作者: 李亚文 王博
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 交通标志识别 卷积神经网络 深度学习 图像分类
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 3082-3088
• 页数: 7页
• 分类号: TP391.41
• 字数: 5238字
• 语种: 中文
• DOI: 10. 3969/j. issn. 1672-9722. 2019. 12. 028

摘要

为了提高交通标志在不同训练数据量下的分类准确率,在现有卷积神经网络(CNN)的基础上,使用数据预处理,结合Inception思想和跳跃连接思想,提出了改进的CNN算法1和改进的CNN算法2.将德国交通标志数据集(GTSRB)、德国交通标志数据集截取10%和比利时交通标志数据集(BTSC),构造出数据集1,2,3,并将数据集进行数据扩增,归一化等预处理,将改进的算法使用TPE算法进行超参数优化,并分别应用于3种不同数据集,测试算法的表现.结果表明:改进的CNN算法1,2在德国交通标志数据集上准确率为99.78%和99.82%,超出了德国交通标志数据benchmark上的最好结果,同时在小数据集上改进的CNN算法1,2也得到了较好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李亚文	商洛学院电子信息与电器工程学院	31	77	4.0	7.0
2	王博	商洛学院电子信息与电器工程学院	16	13	2.0	3.0