基于改进空间金字塔池化卷积神经网络的交通标志识别

• 作者: 周臻浩 方芳 邓天民
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 图像去雾 空间金字塔池化 卷积神经网络 Softmax分类器 交通标志识别
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 2872-2880
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020020214

摘要

针对雾天、光照、遮挡和大倾角等因素导致的交通标志识别准确率低、泛化性差等问题,提出一种基于神经网络的轻量级交通标志识别方法.首先,利用图像归一化、仿射变换和限制对比度自适应直方图均衡化(CLAHE)方法进行图像预处理,以提高图像质量;其次,基于卷积神经网络(CNN),融合空间金字塔结构和批量归一化(BN)方法构建改进空间金字塔池化卷积神经网络(SPPN-CNN)模型,并利用Softmax分类器实现交通标志分类;最后,选用德国交通标志识别数据集(GTSRB),对比不同图像预处理方法、模型参数和模型结构的训练效果,并验证和测试所提模型.实验结果表明,SPPN-CNN模型的识别精度达到98.04％,损失小于0.1,在低配GPU条件下识别速率大于3000 frame/s,验证了模型精度高、泛化性强、实时性好的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方芳		10	11	2.0	3.0
2	邓天民		33	185	6.0	13.0
3	周臻浩		3	0	0.0	0.0