摘要
针对传统的卷积神经网络对小样本分类易产生过拟合等问题,在卷积神经网络( CNN)和支持向量机( SVM)融合模型的基础上,提出对CNN网络结构提取的特征进行归一化处理,提高泛化能力,并将其应用到交通标志识别.该方法构建了一种CNN-SVM模型,将卷积神经网络和支持向量机结合起来,使用从ImageNet数据集初始化的网络进行特定域的微调,截取网络内层来提取交通标志图像特征,并对特征进行归一化处理,最后采用SVM进行识别,从而有效解决交通标志分类过拟合问题.仿真结果表明,通过CNN内层建立的特征映射模型,所传递的特征经过归一化处理后,在交通标志分类任务中具有良好的特征表示能力,较好地提升了SVM分类性能,表现出更好的分类精度以及泛化性能.
国家科技期刊平台
NSTL
维普
万方数据