基于人工智能的机器人交通标志识

• 作者: 乔元健
• 来源期刊: 智慧工厂
• 学科: 工学
• 关键词: 智能交通 人工智能 集成卷积神经网络 复杂度
• 年，卷（期）: zhgc_2020,（9）
• 页码范围: 87-89
• 页数: 3页
• 分类号: TP391

摘要

交通标志在日常生活中发挥着重要作用,如今智能交通领域的热点问题是如何成功利用视觉辅助技术识别交通标志。为实现机器人对交通标志的智能识别,设计了基于人工智能的交通标志识别模型,首先,采用LeNet-5卷积神经网络模型用于交通标志识别,该模型取得了96.3%的识别准确率;然后设计了集成卷积神经网络模型,可以根据图像的复杂度来实现自适应的选择适合的卷积模型。仿真实验表明,相比LeNet-5、AlexNet和VGG-16模型,集成卷积神经网络的交通标志识别准确率分别提高了1.2%、0.9%和0.8%。