基于多尺度卷积神经网络的交通标志识别方法

• 作者: 刘占文 徐江 樊星 沈超 赵祥模
• 来源期刊: 现代电子技术
• 关键词: 智能交通 深度学习 交通标志识别 多尺度目标识别 神经网络 加权融合
• 年，卷（期）: 2019,（15）
• 所属期刊栏目: 智能交通与导航
• 页码范围: 134-138,143
• 页数: 6页
• 分类号: TN911.73-34|TP391.41
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.15.034

摘要

为解决交通标志目标易受复杂环境影响且呈现多尺度分布,造成识别精度低的问题,构建一种多尺度卷积神经网络模型.针对不同尺寸输入设计相应的网络结构,提取目标特征,实现对不同尺寸目标的识别,再加权融合各子网络结果得到最终识别结果,实现多尺度目标识别.经实验验证分析,提出算法模型在小尺寸目标、较小尺寸目标、中尺寸目标、大尺寸目标上识别率分别达到99.12％,99.24％,99.41％,99.35％,保障了多尺度输入目标识别的鲁棒性,综合识别率可以达到99.31％,验证了算法在平衡实时性及准确率的基础上,具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵祥模	长安大学信息工程学院	171	1125	16.0	25.0
2	刘占文	长安大学信息工程学院	17	90	5.0	9.0
3	沈超	长安大学信息工程学院	14	52	3.0	7.0
4	樊星	长安大学信息工程学院	3	3	1.0	1.0
5	徐江	长安大学信息工程学院	8	6	2.0	2.0