基于特征重用的交通标志识别技术应用研究

• 作者: 仲会娟
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 交通标志识别 LeNet-5 深度学习 卷积神经网络 特征重用
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 应用研究
• 页码范围: 24-26
• 页数: 3页
• 分类号: TP39
• 字数: 1717字
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2020.02.14

摘要

道路交通标志识别作为主动安全驾驶系统和自动驾驶系统的重要组成部分,在道路行车安全过程中作用巨大,而真实场景采集的交通标志易受复杂环境的影响,造成自动识别精度不高.针对这一问题,以LeNet-5模型为基础,结合密集连接卷积神经网络(Dense Convolutional Network,DenseNet)思想进行网络结构调整,通过图像特征重用挖掘网络潜力、防止梯度消失,加入Dropout策略改善过拟合现象,利用正则化机制约束模型特性,提高模型的泛化能力.在德国交通标志数据集(German traffic sign recognition benchmark,GTSRB)上进行实验,构建了基于特征重用的交通标志识别系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	仲会娟	阳光学院人工智能学院	7	12	2.0	3.0