首页|基于迁移学习的交通标志分类

基于迁移学习的交通标志分类

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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％.
Traffic Sign Classification Based on Transfer Learning

刘艳、王乐乐

展开 >

长春大学 计算机科学技术学院, 长春130022

智能交通 卷积神经网络 交通标志 数据增广 迁移学习

人体健康状态辨识与机能增强吉林省重点实验室项目吉林省残障无障碍技术及智能设备创新团队项目

20200601004JC20200301054RQ

2021

长春大学学报(自然科学版)
长春大学

长春大学学报(自然科学版)

影响因子：0.356
ISSN：1009-3907
年,卷(期)：2021.31(1)
  • 1