论文摘要
针对智能交通系统中小尺度交通标志识别率低的问题,文中提出一种改进卷积神经网络的交通标志识别方法。该方法通过在Faster R-CNN算法的低层特征图上增加优化的RPN网络,提升了小尺度交通标志的检测率。该方法还利用Max Pooling方法实了现图像的局部细节特征与全局语义特征充分融合。在TT-100K数据集上稍微实验结果表明新方法可以明显提高小尺度交通标志的识别率。
论文目录
文章来源
类型: 期刊论文
作者: 袁小平,王岗,王晔枫,汪喆远,孙辉
关键词: 深度学习,交通标志识别,卷积神经网络,特征融合
来源: 电子科技 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 汽车工业,计算机软件及计算机应用,自动化技术
单位: 中国矿业大学信息与控制工程学院
基金: 江苏省自然科学基金(BK20170278)~~
分类号: U463.6;TP391.41;TP183
DOI: 10.16180/j.cnki.issn1007-7820.2019.11.006
页码: 28-32
总页数: 5
文件大小: 858K
下载量: 594