重庆理工大学学报2020，Vol.34Issue(11) ：147-155.DOI:10.3969/j.issn.1674-8425(z).2020.11.020

基于U-Net定位优化的交通标志识别网络

Traffic Sign Recognition Network Based on U-Net Localization Refinement Approach

刘胜 马社祥 孟鑫 李啸
重庆理工大学学报2020，Vol.34Issue(11) ：147-155.DOI:10.3969/j.issn.1674-8425(z).2020.11.020
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于U-Net定位优化的交通标志识别网络

Traffic Sign Recognition Network Based on U-Net Localization Refinement Approach

刘胜 1马社祥 1孟鑫 2李啸3
扫码查看

作者信息

  • 1. 天津理工大学 电气电子工程学院,天津 300384
  • 2. 天津理工大学 海运学院,天津 300384
  • 3. 天津理工大学 计算机科学与工程学院,天津 300384
  • 折叠

摘要

针对当前方法不能同时满足高精度和高速识别的需求,提出一种新型交通标志识别网络.该网络包含3部分,即检测网络、定位优化网络和分类网络.通过改进YOLOv3网络实现交通标志快速和精确检测,利用U-Net网络对交通标志定位优化,选用空间变换网络完成交通标志分类任务.实验结果表明:检测网络在TT100K数据集和GTSDB数据集上,获得平均精度均值分别为87.57％和97.66％,运行时间分别为44.4 ms和53.0 ms,达到了当前先进的交通标志检测水平;定位优化网络在GTSDB数据集上,提升了分类网络的分类精度,也提高了识别网络的整体性能.

关键词

交通标志检测/交通标志识别/YOLOv3/定位优化/U-Net

引用本文复制引用

基金项目

国家自然科学基金(61601326)

国家自然科学基金(61371108)

出版年

2020
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量2
参考文献量19
段落导航相关论文