基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在实际交通道路行驶过程中,因为对于交通标志的检测会受到诸多因素的干扰,如光照、背景及环境等,同时待测目标的范围较小,因此传统的检测方法通常具有操作复杂、鲁棒性差等缺点.本文基于深度学习原理,采用Faster R-CNN检测算法,由于其具备检测速度快、检测准确性高等优点,验证其检测效果和鲁棒性.
推荐文章
基于Faster R-CNN的显著性目标检测方法
视觉显著性
目标检测
元胞自动机
超像素分割
依据Faster R-CNN的活体植株叶片气孔检测方法
气孔检测
深度学习
Faster R-CNN
气孔密度
一种改进的Faster R-CNN对小尺度车辆检测研究
FasterR-CNN
小尺度车辆检测
全卷积网络
区域建议网络
锚选择
平衡锚数量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Faster R-CNN的交通标志检测方法研究
来源期刊 信息记录材料 学科 工学
关键词 Faster R-CNN 交通标志检测 深度学习
年,卷(期) 2021,(10) 所属期刊栏目 信息:理论与观点
研究方向 页码范围 72-73
页数 2页 分类号 TP274
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Faster R-CNN
交通标志检测
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息记录材料
月刊
1009-5624
13-1295/TQ
大16开
河北省保定市乐凯南大街6号
18-185
1978
chi
出版文献量(篇)
9919
总下载数(次)
46
总被引数(次)
13955
论文1v1指导