基于AlexNet网络的交通标志识别方法

• 作者: 徐兢成 王丽华
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 卷积神经网络 交通标识 批归一化处理 全局平均池化层
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 信号与信息处理|Signal and Information Processing
• 页码范围: 470-475
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2022.03.018

摘要

针对交通标志在城市交通中易受恶劣天气、 交通拥堵等影响而导致识别率低的问题,提出了一种在Alex模型基础上改进的交通标志识别方法,引入了批量归一化(Batch Normalization,BN)方法取代原有的局部响应归一化(Local Response Normalization,LRN)法,并加入全局平均池化层(Global Average Pooling Layer,GAP)取代原有的全连接层.其中BN法将每一层输出数据归一化为均值为0、 标准差为1,使得结构传输更为顺畅;GAP层的引入大大减少了网络参数量.使用GTSRB数据集进行训练并测试,结果表明改进后的网络模型分类精度有了很大的提高,达到了93.2％,具备一定的实用价值.