[1]申元,赵芸.基于卷积神经网络的交通标志识别方法[J].浙江科技学院学报,2021,(01):16-23.
点击复制

基于卷积神经网络的交通标志识别方法()
分享到:

《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]

卷:
期数:
2021年01期
页码:
16-23
栏目:
出版日期:
2021-03-01

文章信息/Info

Title:
Traffic sign recognition method based on
文章编号:
1671-8798(2021)01-0016-08
作者:
申元赵芸
浙江科技学院 信息与电子工程学院,杭州 310023
Author(s):
School of Information and Electronic Engineering, Zhejiang University ofScience and Technology, Hangzhou 310023, Zhejiang, China
关键词:
交通标志识别深度相互学习网络批量归一化全局平均池化权重损失
分类号:
TP183
文献标志码:
A
摘要:
交通标志识别在自动驾驶过程中起着十分重要的作用。为了解决识别精度低的问题,提出一种基于卷积神经网络的识别方法,通过改进深度相互学习网络完成对交通标志的识别,使用ResNet19网络作为特征提取部分,使用全局平均池化层作为分类器部分,使用交叉熵损失和相对熵损失作为损失函数部分,并增加超参数α与δ来衡量这两个损失在训练中的权重;同时,引入一种使用不同初始值的批量归一化层训练的技巧,以此来提高模型的收敛速度。试验研究中,改进的方法用在德国交通标志识别测试集上达到了98.90%的识别精度,比改进前精度提高了2.17%,与目前优秀的交通标志识别模型相比,本方法精度仍有一定的提高。试验结果表明在复杂的环境中,本方法可以准确地识别交通标志,这为后续相关研究提供了良好的技术支持。
更新日期/Last Update: