Print

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

  • 0 引言
  • 1 卷积神经网络
  •   1.1 卷积层
  •   1.2 池化层
  • 2 CNN-SVM交通标志识别器
  •   2.1 激活函数的选取
  •   2.2 批量归一化方法
  •   2.3 分类器的选取
  • 3 实验与分析
  •   3.1 数据准备
  •   3.2 集成卷积神经网络的结构设计
  •   3.3 实验结果
  • 4 结束语

    • 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

    本文来源: https://www.lunwen66.cn/article/f893093b17baf59910008c18.html