论文摘要
深度学习是基于图像的交通标志检测和识别处理的研究热点,已取得了显著的效果。针对基于车载视频的交通标志检测和识别处理问题,文中根据图像序列的帧间时空连续关系构建了时空关系模型（Spatiotemporal Model,STM）,并与多尺度卷积神经网络（Convolutional Neural Networks,CNN）相结合,提出了一种基于时空卷积神经网络（Spatiotemporal-CNN,ST-CNN）的交通标志实时检测识别算法。实验结果表明,该算法可对视频图像序列中的同一交通标志实现检测、筛选、追踪和识别处理,在保证高准确率的同时,可有效减少CNN的数据输入,降低系统资源占用量,提高计算效率,满足了视频中交通标志检测识别的实时性要求。算法平均每帧耗时26.82 ms,且识别准确率达到96.94%。
论文目录
文章来源
类型: 期刊论文
作者: 曲佳博,秦勃
关键词: 时空关系模型,实时性,多尺度卷积神经网络,交通标志
来源: 计算机科学 2019年S2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: 中国海洋大学计算机科学与技术系
分类号: U463.6;TP183;TP391.41
页码: 309-314
总页数: 6
文件大小: 3012K
下载量: 159
相关论文文献
标签：时空关系模型论文; 实时性论文; 多尺度卷积神经网络论文; 交通标志论文;