基于卷积神经网络与集成学习的交通标志识别

论文摘要

为提高复杂情况(如遮挡、透视畸变等)下交通标志识别的精度,提出一种有效的基于卷积神经网络(Convolutional Neural Network, CNN)与集成学习的交通标志识别方法。首先通过融合颜色分割、形态学处理、形状检测等多种方法分割出交通标志,然后利用卷积神经网络对其特征进行提取并分别采用支持向量机(Support Vector Machine, SVM)和Softmax多类分类器对其进行识别,最后将2种分类结果进行集成作为最终的识别结果。实验结果表明,本文算法可有效提高复杂情况下交通标志识别精度,整体上具有较高的性能。

论文目录

文章来源

类型: 期刊论文

作者: 刘树艺,李静,胡春,王伟

关键词: 交通标志识别,集成学习,支持向量机,卷积神经网络,主成分分析

来源: 计算机与现代化 2019年12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: 周口师范学院网络工程学院

基金: 河南省自然科学基金资助项目(162300410347)

分类号: TP391.41;TP18;U463.6

页码: 67-71+77

总页数: 6

文件大小: 1594K

下载量: 391

相关论文文献

• [1].基于深度学习的交通标志测距方法研究[J]. 电脑知识与技术 2020(15)
• [2].基于胶囊神经网络的交通标志识别研究[J]. 电子测量技术 2020(11)
• [3].上海市交通标志杆件结构风险评估[J]. 上海公路 2020(02)
• [4].基于目标检测网络的交通标志识别[J]. 软件工程 2020(10)
• [5].文摘[J]. 中国公路 2020(17)
• [6].基于深度学习的交通标志识别[J]. 山西电子技术 2020(05)
• [7].生僻交通标志(线)解读[J]. 城市公共交通 2020(10)
• [8].浅析交通标志的质量检测技术[J]. 交通建设与管理 2018(06)
• [9].一种改进的交通标志检测方法[J]. 现代计算机(专业版) 2019(06)
• [10].城市干路交叉口路侧交通标志遮挡失效研究[J]. 交通信息与安全 2019(01)
• [11].基于卷积网络的交通标志分类研究[J]. 无线互联科技 2019(10)
• [12].基于视觉注意机制和形状特征的交通标志检测方法[J]. 数学的实践与认识 2019(21)
• [13].基于迁移学习的交通标志识别[J]. 测控技术 2019(11)
• [14].基于深度属性学习的交通标志检测[J]. 吉林大学学报(工学版) 2018(01)
• [15].城市主干路交通标志密度阈值研究[J]. 智能城市 2018(09)
• [16].基于感兴趣区域提取与双过滤器的交通标志检测算法[J]. 电子测量与仪器学报 2018(05)
• [17].驾驶员再培训系列之交通标志识别[J]. 汽车与驾驶维修(汽车版) 2010(08)
• [18].高速公路临时交通标志设计分析[J]. 四川建材 2018(11)
• [19].自然环境下圆形禁令交通标志检测[J]. 武汉大学学报(信息科学版) 2016(12)
• [20].用心区分相似的交通标志[J]. 驾驶园 2016(09)
• [21].世界交通标志之历史沿革[J]. 西部交通科技 2017(03)
• [22].交通标志印刷浅析[J]. 丝网印刷 2016(04)
• [23].一种快速的禁令交通标志检测算法[J]. 数字技术与应用 2016(04)
• [24].浅析公路交通标志的设置及养护管理[J]. 科技经济导刊 2016(20)
• [25].基于街景影像的交通标志识别[J]. 地理空间信息 2014(05)
• [26].中外公益性交通标志现状分析及发展趋势[J]. 道路交通与安全 2015(02)
• [27].基于色彩恒常性算法的交通标志检测[J]. 机电一体化 2013(12)
• [28].一种快速的交通标志检测算法[J]. 闽南师范大学学报(自然科学版) 2015(02)
• [29].基于视觉认知的禁令交通标志检测[J]. 北京大学学报(自然科学版) 2015(06)
• [30].交通标志,我熟知[J]. 数学大王(智力快车) 2016(09)

标签：交通标志识别论文;  集成学习论文;  支持向量机论文;  卷积神经网络论文;  主成分分析论文;