首页|基于多尺度卷积神经网络的交通标志识别

基于多尺度卷积神经网络的交通标志识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82％的识别准确率以及每幅图像0.1 ms的识别速度,本文算法具有一定的先进性.
Traffic Sign Recognition Based on Multi-scale Convolutional Neural Network

宋青松、张超、田正鑫、陈禹、王兴莉

展开 >

长安大学信息工程学院,陕西西安 710064

模式识别系统 交通标志识别 多尺度卷积神经网络 SoftMax分类器

国家自然科学基金资助项目中央高校基本科研业务费专项资金资助项目

61201406310824162022

2018

湖南大学学报(自然科学版)
湖南大学

湖南大学学报(自然科学版)

CSTPCDCSCD北大核心EI
影响因子：0.651
ISSN：1674-2974
年,卷(期)：2018.45(8)
  • 21
  • 1