基于改进卷积神经网络的交通标志牌识别研究

• 作者: 张璟
• 来源期刊: 电脑知识与技术
• 学科: 工学
• 关键词: 卷积神经网络 交通标志牌检测 交通标志牌识别 交通标志牌分类 深度可分离卷积
• 年，卷（期）: 2019,（21）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 195-197
• 页数: 3页
• 分类号: TP18
• 字数: 2456字
• 语种: 中文

摘要

在真实路况行驶过程中发现并准确识别周围的交通标志是自动驾驶系统和辅助驾驶系统的研究重点.为解决经典的VGG网络在训练过程中需要消耗大量计算资源和参数量巨大的问题,提出了使用深度可分离卷积模块,用其代替传统的卷积层减少了近9倍参数量且获得了更多局部感受野,使用平均池化层取代全连接层进一步压缩了参数量.改进的模型在真实场景下的交通标志图像数据集GTSRB的准确率达到98.38％.实验结果表明,改进的模型提高了识别准确率的同时减少模型参数量,具有实际意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张璟	山西大学计算机与信息技术学院	4	2	1.0	1.0