基于迁移学习的交通标志分类

• 作者: 刘艳 王乐乐
• 来源期刊: 长春大学学报（自然科学版）
• 关键词: 智能交通 卷积神经网络 交通标志 数据增广 迁移学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机工程
• 页码范围: 18-22
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3907.2021.01.005

摘要

为提高交通标志分类的准确率,针对交通标志样本数量不足,对数据进行了增广,利用迁移学习将卷积神经网络在大规模数据集上训练得到的参数,应用到训练交通标志分类的模型中,提出了基于迁移学习的交通标志分类方法.该方法在比利时交通标志数据集上进行了实验,采用不同的微调方法,在主流的网络模型间进行了对比分析.实验结果表明,所提出的方法对于交通标志分类的准确率较高,达到98.678％.