基于轻量型卷积神经网络的交通标志识别

• 作者: 刘芾 张辉 李茂军 龙曼仪
• 来源期刊: 计算技术与自动化
• 关键词: 卷积神经网络 交通标识 图像增强 深度可分离卷积 激活函数
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形图像技术
• 页码范围: 112-118
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202004020

摘要

针对卷积神经网络在交通标志识别实时性不好,对设备硬件要求过高的缺点,提出了一种具有实时性,高精度的基于轻量型卷积神经网络的改进网络.一方面引入深度可分离卷积和激活函数Mish,加快网络的训练和识别速度,降低对硬件设备的要求;另一方面通过对网络架构及层次的改进,同时合理改变卷积核的大小和数目,加强图片特征的表达与传递.在BelgiumTSC交通标志数据集上的实验结果表明,改进后网络明显提高了网络训练速度,同时识别精度也略高于原网络,验证了改进方法的有效性.通过与其他模型相比,该模型能够更快速准确完成交通标志识别任务,验证了该方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李茂军		56	528	12.0	21.0
2	张辉		27	270	9.0	15.0
3	龙曼仪		1	0	0.0	0.0
4	刘芾		5	0	0.0	0.0