基于改进的LeNet-5卷积神经网络交通标志的识别

• 作者: 张猛 杜娇 范迎迎 钱育蓉
• 来源期刊: 东北师大学报（自然科学版）
• 学科: 工学
• 关键词: 交通标志识别 特征提取 卷积神经网络 ILN-CNN LeNet-5 ReLU
• 年，卷（期）: 2020,（1）
• 页码范围: 92-97
• 页数: 6页
• 分类号: TP399
• 字数: 5051字
• 语种: 中文
• DOI: 10.16163/j.cnki.22-1123/n.2020.01.018

摘要

针对目前现有交通标志识别算法耗时长、识别率低等问题,提出了一种改进的LeNet-5卷积神经网络模型(Improved LeNet-5 Convolutional Neural Network,ILN-CNN).首先,对原有的LeNet-5卷积神经网络模型构造2个相对独立的不同卷积核的子卷积网络,用于加快特征提取;其次,增加子网络中卷积核的个数,以增强网络区分不同交通标志的能力;最后,添加激活函数ReLU,增加Dropout层,以达到加快函数收敛,避免CNN过度拟合,降低神经元间互适应的效果.实验结果表明:与传统的系统结构相比,ILN-CNN对交通标志的识别准确率达到93.558％;比B P神经网络模型、支持向量机分类算法分别提高了12.206％ 和4.018％,并且在识别时间上具有一定的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱育蓉	新疆大学软件学院	85	510	13.0	20.0
2	范迎迎	新疆大学软件学院	11	55	3.0	7.0
3	杜娇	新疆大学软件学院	13	21	3.0	4.0
4	张猛	新疆大学软件学院	8	2	1.0	1.0