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:
交通标志在日常生活中起着重要作用,如何利用视觉辅助技术识别交通标志已经成为当前智能交通领域的热点问题.本文将深度学习技术中的卷积神经网络算法应用于斑马线的识别研究.基于ResNet34结构[1]构建卷积神经网络,并在此基础上设计了用于识别斑马线的二分类器.通过实验验证,本文方法的识别精度可达到93%,平均识别速度在0.1s以下.
推荐文章
基于深度学习的交通标志识别算法研究
交通标志识别
深度学习
卷积神经网络
TSR_Lenet
算法融合
实验对比
基于级联端对端深度架构的交通标志识别方法
深度学习
交通标志识别
ESPCN网络
RFCN网络
平衡采样
数据增强
交通标志识别方法设计
交通标志
图像识别
BP神经网络
基于Gabor特征提取和SVM交通标志识别方法研究
交通标志识别
图像灰度化
图像增强
Gabor特征提取
主成分分析
支持向量机
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 基于深度学习的交通标志识别方法研究
来源期刊 数字技术与应用 学科 工学
关键词 卷积神经网络 智能交通 深度学习
年,卷(期) 2019,(2) 所属期刊栏目 应用研究
研究方向 页码范围 81-82
页数 2页 分类号 TP391.41
字数 1102字 语种 中文
DOI 10.19695/j.cnki.cn12-1369.2019.02.47
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 田润 1 1 1.0 1.0
2 魏志刚 1 1 1.0 1.0
3 刘明铮 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  (35)
共引文献  (28)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1964(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)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(5)
  • 参考文献(0)
  • 二级参考文献(5)
2017(5)
  • 参考文献(1)
  • 二级参考文献(4)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
卷积神经网络
智能交通
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
数字技术与应用
月刊
1007-9416
12-1369/TN
16开
天津市
6-251
1983
chi
出版文献量(篇)
20434
总下载数(次)
106
总被引数(次)
35701
论文1v1指导