基于深度学习的交通标志识别算法研究

论文摘要

智能交通和自动驾驶成为当下研究的热点问题,而交通标志识别是其中必不可少的一项关键性技术,当下急需一种准确、高效的交通标志识别方法。针对以上问题,文中构建了一种基于深度学习的交通标志识别模型TSR_Lenet;同时由于基于深度学习的模型在训练过程中存在收敛速度慢、容易收敛到局部最优的问题,将Momentum加速学习的优点与RMSProp抑制训练过早结束的优势相融合,使得构建模型的过程更加快速、高效。实验结果表明,所提出的基于深度学习的交通标志识模型TSR_Lenet,具有自动学习的能力和训练模型周期短的优点,并且准确性高,鲁棒性好,具有良好的泛化能力。

论文目录

• 1 TSR＿Lenet的网络结构和工作原理
•   1.1 网络结构
•   1.2 学习特征图的组合
• 2 训练算法融合
•   2.1 Momentum
•   2.2 RMSProp
•   2.3 RMSProp和Momentum算法融合
• 3 交通标志识别实验
•   3.1 实验设计
•   3.2 TSR＿Lenet网络训练
•   3.3 实验结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 郭志涛,雷瑶,袁金丽,史龙云

关键词: 交通标志识别,深度学习,卷积神经网络,算法融合,实验对比

来源: 现代电子技术 2019年22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: 河北工业大学电子信息工程学院

基金: 河北省科技计划项目(17275404D)~~

分类号: TP391.41;TP18;U463.6

DOI: 10.16652/j.issn.1004-373x.2019.22.035

页码: 164-168+173

总页数: 6

文件大小: 2364K

下载量: 346