典型文献
基于深度学习的交通标志快速识别方法
文献摘要：
在汽车自动驾驶和智能交通系统中,交通标志的自动识别至关重要.本文基于深度学习提出一种快速识别交通标志的卷积神经网络,通过加入随机抽样算法防止过拟合现象和使用自适应矩估计算法优化模型改进LeNet-5算法,使得改进后的算法更适合于交通标志的识别,增强了对交通标志图像特征的提取,提升了模型识别精度和训练效率.采用比利时交通标志数据集对改进后的模型进行训练及测试,正确分类率达到91.14％,证明改进后的模型在对交通标志识别方面具有良好的稳定性和可靠性.
文献关键词：
深度学习;卷积神经网络;LeNet-5;交通标志识别
中图分类号：
作者姓名：
李澔
作者机构：
北京建筑大学测绘与城市空间信息学院,北京 102616
文献出处：
引用格式：
[1]李澔-.基于深度学习的交通标志快速识别方法)[J].科学技术创新,2022(12):11-14
A类：
B类：
快速识别,汽车自动驾驶,智能交通系统,自动识别,随机抽样,过拟合,自适应矩估计,估计算法,算法优化,模型改进,LeNet,图像特征,特征的提取,模型识别,识别精度,训练效率,比利时,正确分类,交通标志识别
AB值：
0.332028
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
