基于Faster-RCNN的交通信号灯检测与识别

论文摘要

交通信号灯检测和识别是无人驾驶和辅助驾驶领域的重要研究内容,能够避免在通过路口时由于交通信号灯判断失误导致的交通事故,提升驾驶的安全性。客观的复杂交通场景增加了检测识别算法难度。实现了基于Faster-RCNN的交通信号的检测识别,采集了交通场景数据进行标注,填充了国内交通信号灯公开数据集的空白。通过实验对比,选择最优的特征提取网络,并在智能车实验平台上验证了方法的有效性。

论文目录

• 0 引言
• 1 交通信号灯检测算法
•   1.1 算法流程
•   1.2 特征提取网络模型
• 2 实验
•   2.1 实验平台
•   2.2 实验数据
•   2.3 实验分析
• 3 结束语

文章来源

类型: 期刊论文

作者: 潘卫国,陈英昊,刘博,石洪丽

关键词: 交通信号灯,深度学习,目标检测

来源: 传感器与微系统 2019年09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

单位: 北京联合大学北京市信息服务工程重点实验室,北京联合大学机器人学院,北京联合大学应用科技学院

基金: 国家自然科学基金青年科学基金资助项目(61802019),北京市教育委员会科技计划资助项目(KM201711417005)

分类号: U491.5;TP391.41

DOI: 10.13873/J.1000-9787(2019)09-0147-03

页码: 147-149+160

总页数: 4

文件大小: 742K

下载量: 485