基于改进LeNet-5的交通标志识别算法研究

论文摘要

交通标志识别作为自动驾驶系统和驾驶员辅助系统中的重要组成部分,对行车安全有着直接的影响。以真实场景下采集的比利时交通标志数据集为研究对象,通过对交通标志图像特点的研究,对轻量级经典卷积神经网络Lenet-5进行四大改进,包括为适应交通标志图像进行的基础结构调整、提升数据集平衡性的数据增广、加入改善过拟合的Dropout策略以及加入批量归一化层。实验结果表明,由此得到的TSRCNN模型能够有效提取交通标志的特征,在比利时交通标志数据集上识别准确率达98.56%。

论文目录

• 0 引言
• 1 Lenet-5模型
• 2 TSRCNN模型
• 3 数据集预处理
• 4 实验性能测试与分析
•   4.1 实验平台简介
•   4.2 数据集增广有效性验证
•   4.3 批量归一化层有效性验证
•   4.4 Dropout最佳参数选择
•   4.5 卷积层和全连接层参数比较
•     （1） 卷积核尺寸对比实验
•     （2） 卷积核数目对比实验
•     （3） 全连接层节点数对比实验
•   4.6 TSRCNN模型实验结果及分析
• 5 总结

文章来源

类型: 期刊论文

作者: 褚莹,陶纪宇,凌力

关键词: 交通标志识别,卷积神经网络,网络模型

来源: 微型电脑应用 2019年09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: 复旦大学

分类号: U463.6;TP391.41;TP183

页码: 58-61

总页数: 4

文件大小: 337K

下载量: 290