基于深度残差网络的交通标志识别方法研究

• 作者: 张佳达 许学斌 路龙宾 赵雨晴
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 交通标志识别 卷积神经网络 深度学习 图像分类
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 交通体系与工具仿真
• 页码范围: 143-147
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.01.031

摘要

交通标志识别是无人驾驶系统和智能驾驶系统不可少的关键技术之一,为了提高交通标志的识别准确率,进一步提高无人驾驶汽车在行驶过程中的安全性,提出了一种基于深度残差网络的交通标志识别方法,利用不同尺寸的残差模块进行堆叠,构建了具有100层卷积层的网络模型.以比利时交通标志数据集BTSC作为实验数据,优化网络模型后得到的识别准确率达到99.3462％.实验证明,上述方法在比利时交通标志数据集BTSC上表现很好,识别准确率高于现有的交通标志识别主流方法.