Print

基于级联端对端深度架构的交通标志识别方法

论文摘要

交通标志的正确识别是智能车辆规范行驶、道路交通安全的前提;为解决智能车采集目标图像模糊、分辨率低,造成识别精度低且时效性差的问题,构建一种基于级联深度网络的交通标志识别模型,该模型级联超分辨率处理网络ESPCN与目标检测识别网络RFCN,ESPCN网络提高输入采集图像的分辨率,为低分辨率图像实现超分辨率处理,RFCN网络提取图像全局特征,实现交通标志的检测与分类识别;平衡采样及多尺度的训练策略结合数据增强的预处理方法,增强了网络模型的鲁棒性及扩展性;经实验验证,算法模型针对常见交通标志识别率达到98.16%,召回率达到96.2%,且鲁棒性较好。

论文目录

  • 0 引言
  • 1 基于ESPCN的图像超分辨率处理
  •   1.1 ESPCN网络结构
  •   1.2 基于ESPCN的交通标志超分辨率预处理
  • 2 基于RFCN的交通标志识别
  •   2.1 RFCN网络结构
  •   2.2 基于RFCN的交通标志识别
  • 3 实验结果与分析
  •   3.1 实验数据集
  •     3.1.1 数据集建立
  •     3.1.2 数据集增强
  •   3.2 网络训练策略
  •   3.3 评价参数
  •   3.4 实验结果及分析
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 樊星,沈超,徐江,连心雨,刘占文

    关键词: 深度学习,交通标志识别,网络,平衡采样,数据增强

    来源: 计算机测量与控制 2019年04期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 公路与水路运输,计算机软件及计算机应用,自动化技术

    单位: 长安大学信息工程学院

    基金: 国家自然科学基金项目(61703054),陕西省重点研发计划重点项目(2018ZDXM-GY-044),装备预研教育部联合基金(6141A02022322),高等学校学科创新引智计划项目(B14043),中央高校基本科研业务费高新技术研究培育项目(300102248202)

    分类号: U491.52;TP391.41;TP183

    DOI: 10.16526/j.cnki.11-4762/tp.2019.04.033

    页码: 143-148

    总页数: 6

    文件大小: 1298K

    下载量: 111

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/922031fd7427efd894db5ac8.html