摘要
针对当前传统的交通标志识别算法训练耗时长、精度低等问题,提出了一种结合ResNet和迁移学习的交通标志识别模型.首先在模型中引入已经在ImageNet图像数据集上训练好的ResNet网络权重,冻结卷积层参数,将网络作为模型的特征提取器;其次为模型设计全连接层,分别使用不同大小的数据集和数据扩充前后的数据集微调全连接层参数;然后设置不同大小的学习率,在学习率固定和学习率衰减2种条件下训练模型;最后在测试集上测试模型,输出分类结果.测试结果表明,该方法对交通标志的识别准确率达到97.60％,指示标志、警告标志、禁令标志3类交通标志的F1得分分别达到96.86％、99.37％、96.53％,说明该模型具有较高的交通标志识别准确率.
国家科技期刊平台
NSTL
万方数据