基于多尺度卷积神经网络的交通标志识别

• 作者: 肖建 薛之昕 郑英豪 魏玲玲
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多层特征 多尺度卷积神经网络 多纵卷积神经网络 交通标志识别 单尺度卷积神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图形图像处理
• 页码范围: 261-266
• 页数: 6页
• 分类号: TP183
• 字数: 5087字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054590

摘要

基于多纵卷积神经网络的交通标志识别算法识别率较高,但识别和训练时间较长,实用性较差.为此,构造一种基于多尺度卷积神经网络的道路交通标志识别模型.通过改进单尺度卷积神经网络中特征提取的基网络,将网络不同层级所产生的特征融合为多尺度特征并提供给分类器,以提高低层特征的利用率.在GTSRB数据集上的实验结果表明,该模型准确识别率达到99.25％,与多纵卷积神经网络模型相比,其在保证高精度的同时,识别和训练时间的降幅均超过90％,更适用于真实路况下交通标志的精准检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛之昕	南昌大学信息工程学院	15	65	4.0	7.0
2	魏玲玲	江西科技学院信息工程学院	6	4	1.0	2.0
3	肖建	南昌大学信息工程学院	11	44	3.0	6.0
4	郑英豪	南昌大学信息工程学院	1	0	0.0	0.0