基于CNN和SVM融合的交通标志识别

• 作者: 丁爱玲 康盟 王新美 雷梦宁
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: CNN SVM 迁移学习 归一化 交通标志识别
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 7-12
• 页数: 6页
• 分类号: TP391
• 字数: 5633字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.06.002

摘要

针对传统的卷积神经网络对小样本分类易产生过拟合等问题,在卷积神经网络( CNN)和支持向量机( SVM)融合模型的基础上,提出对CNN网络结构提取的特征进行归一化处理,提高泛化能力,并将其应用到交通标志识别.该方法构建了一种CNN-SVM模型,将卷积神经网络和支持向量机结合起来,使用从ImageNet数据集初始化的网络进行特定域的微调,截取网络内层来提取交通标志图像特征,并对特征进行归一化处理,最后采用SVM进行识别,从而有效解决交通标志分类过拟合问题.仿真结果表明,通过CNN内层建立的特征映射模型,所传递的特征经过归一化处理后,在交通标志分类任务中具有良好的特征表示能力,较好地提升了SVM分类性能,表现出更好的分类精度以及泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁爱玲	长安大学信息工程学院	19	177	7.0	13.0
2	王新美	长安大学信息工程学院	1	0	0.0	0.0
3	雷梦宁	长安大学信息工程学院	1	0	0.0	0.0
4	康盟	长安大学信息工程学院	1	0	0.0	0.0