基于胶囊神经网络的交通标志识别研究

• 作者: 刘文翰 张志浩 程换新 郭占广
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 人工智能 胶囊神经网络 交通标志识别
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 112-116
• 页数: 5页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903749

摘要

交通标志识别作为智能交通技术的研究热点,是保障自动驾驶安全的重要一环.针对传统神经网络出现的特征抓取不足,池化层信息丢失引起的识别率较低的问题,给出了基于胶囊神经网络(Capsule Network,CapsNet)进行交通标志识别的方法.以德国GTRSB交通标志数据集作为样本,首先通过加权平均值法进行图像的灰度化处理,减少数据集训练计算量,提高模型的训练速度.然后提出用胶囊神经网络提取交通标志图像的全部特征和局部特征,实现交通标志识别.算法在GTRSB基准数据集上获得98.6％的识别准确率,超过了当前交通标志识别的主流方法,算法具有一定的先进性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程换新		26	98	4.0	9.0
2	刘文翰		2	0	0.0	0.0
3	郭占广		1	0	0.0	0.0
4	张志浩		1	0	0.0	0.0