首页|基于伪样本正则化Faster R-CNN的交通标志检测

基于伪样本正则化Faster R-CNN的交通标志检测

Pseudo sample regularization Faster R⁃CNN for traffic sign detection

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对交通标志检测算法往往仅能对特定类标志检测或基于深度学习方法因训练样本少而造成"过拟合"高风险等问题,本文提出了一种基于伪样本正则化Faster R-CNN深度学习的标志检测算法.该算法首先通过训练数据集提供的标志和无标注的背景样本,提出了一种伪样本正则化策略.然后,通过深度学习模型中区域建议生成网络获取建议区域.最后,利用交替训练策略、共享CNN策略和联合训练策略、RPN网络和Fast R-CNN目标检测网络交替训练和联合训练,最终获取Faster R-CNN交通标志检测模型,实现了各类标志的检测,并有效降低了"过拟合"风险.实验结果验证了本文算法的有效性.

李厚杰、王法胜、贺建军、周瑜、李威、窦宇轩

展开 >

大连民族大学 信息与通信工程学院,辽宁 大连 116605

大连民族大学 计算机科学与工程学院,辽宁大连 116605

信息处理技术 交通标志检测 伪样本正则化 Faster R-CNN 区域建议网络

61972068,61976042,6207215220180550625,2019-ZD-0171,2019-ZD-01822018B092017RQ151LR2019020XLYC2007023

2021

10.13229/j.cnki.jdxbgxb20200956

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(4)
  • 3
  • 2