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:
交通标志识别系统是智能驾驶系统的重要组成部分;本文分析了现有方法存在的问题,基于TensorFlow框架搭建了改进的卷积神经网络,用于识别交通标志;整个系统在TensorFlow上实现,使用行车记录仪采集的视频验证了本文的算法,结果表明本文算法有一定的实用性,而且在准确率,鲁棒性和实时性等方面也表现较好.
推荐文章
交通标志识别方法综述
交通标志检测
交通标志识别
深度学习
基于视觉注意模型和SIFT的交通标志识别方法
视觉注意
SIFT特征
交通标志
识别
基于ASIFT道路交通标志的定位与识别方法?
仿射尺度不变特征变换
交通标志
定位
识别
基于迁移学习的交通标志识别
深度学习
迁移学习
交通标志识别
微量数据集
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TensorFlow的交通标志识别方法研究
来源期刊 价值工程 学科 交通运输
关键词 交通标志识别 卷积神经网络 TensorFlow
年,卷(期) 2019,(27) 所属期刊栏目 价值应用
研究方向 页码范围 204-206
页数 3页 分类号 TP391|U461.6
字数 2177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 王全 西安工业大学计算机科学与工程学院 14 50 5.0 6.0
2 梁敬文 西安工业大学计算机科学与工程学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (1)
参考文献  (5)
节点文献
引证文献  (6)
同被引文献  (15)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2020(6)
  • 引证文献(6)
  • 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
TensorFlow
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
价值工程
旬刊
1006-4311
13-1085/N
大16开
河北省石家庄市槐安西路88号卓达物业楼A501室
18-2
1982
chi
出版文献量(篇)
66563
总下载数(次)
245
总被引数(次)
203407
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导