基于集成卷积神经网络的交通标志识别

论文摘要

以交通标志识别为研究目的,提出一种基于集成卷积神经网络的交通标志识别算法,通过对多个不同结构的卷积神经网络进行集成以提高算法识别率。为了缩短网络训练和测试时间以及提高网络识别率,对单个卷积神经网络的结构进行了优化。使用Re LU(rectified linear unit)激活函数来代替传统的激活函数,使用批量归一化(batch normalization,BN)方法对卷积层输出数据进行归一化处理,将卷积神经网络的分类器用支持向量机(support vector machine,SVM)代替。使用德国交通标志识别数据库(german traffic sign recognition benchmark,GTSRB)进行训练和测试,实验结果表明,提出的算法识别率为98.29%,单幅交通标志图像测试时间为1.32 ms,对交通标志具有良好的识别性能。

论文目录

文章来源

类型: 期刊论文

作者: 张功国,吴建,易亿,王梓权,孙海霞

关键词: 卷积神经网络,集成学习,批量归一化,支持向量机

来源: 重庆邮电大学学报(自然科学版) 2019年04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

单位: 重庆邮电大学通信与信息工程学院

基金: 国家自然科学基金(61571071)~~

分类号: U463.6;TP391.41

页码: 571-577

总页数: 7

文件大小: 1824K

下载量: 372

相关论文文献

标签：卷积神经网络论文;  集成学习论文;  批量归一化论文;  支持向量机论文;