您的位置:网站首页 > 《中文科技期刊数据库》 > 工程技术 > 自动化计算机 > 计算机应用 > 摘要

基于卷积神经网络特征融合的交通标志识别

《计算机应用》2019年 第A01期 | 张文炽 陈黎辉 吴炜 杨晓敏 严斌宇   四川大学电子信息学院 成都610065
★ 收藏 | 分享
  • 第1页
  • 第2页
  • 第3页
  • 第4页
论文服务:
摘 要:针对实际检测到的交通标志图像质量低,用单一的特征提取方法会遗漏图像信息的问题,为提高交通标志识别率,提出了一种基于卷积神经网络特征融合的交通标志识别方法。首先,在实验过程中,为了获取足够的训练样本并模拟真实情况,进行图像增广操作;接着,使用超分辨率技术重建因图像尺寸扩大而模糊的细节;然后,构建并训练AlexNet和VGG11特征融合的网络模型;最后,用Softmax分类器对融合后的特征进行识别分类。与单一的AlexNet和VGG11相比,经过特征融合后的网络识别率分别提高了1.2%、2%,同时模型的收敛速度也更快。实验结果表明,特征融合能够提高交通标志的识别率。
【分 类】【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
【关键词】 卷积神经网络 特征融合 交通标志识别 数据增广 Softmax分类器
【出 处】 《计算机应用》2019年 第A01期 21-25页 共5页
【收 录】 中文科技期刊数据库