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％.
基金项目
人体健康状态辨识与机能增强吉林省重点实验室项目(20200601004JC)
吉林省残障无障碍技术及智能设备创新团队项目(20200301054RQ)
国家科技期刊平台
NSTL
万方数据