典型文献
基于深度学习的交通标志文字信息检测与识别方法
文献摘要：
为解决无人驾驶汽车外界环境感知系统对交通标识文字信息检测问题,提出一种在自动驾驶场景下对交通标识的文本信息进行检测并识别的两阶段方法,实现了自动驾驶信息精细化采集.首先使用YOLO检测器检测交通标识,同时使用本文改进的DB检测网络对场景内文本进行检测,将交通标识检测结果与场景文本检测结果进行交集运算得到待识别文本区域;最后使用轻量化CRNN网络对待识别区域文本进行识别.使用CSCT-1600数据集和MTWI-2018数据集分别进行训练和测试.实验结果表明,交通标识信息定位算法在召回率为92.98时精确度为94.95％,交通标识信息识别算法在Fl为77.2％时识别速度为25帧.
文献关键词：
交通标识;YOLO;文本检测;文本识别
中图分类号：
作者姓名：
王立刚;张志佳;贺继昌;张长海;赵永茂
作者机构：
沈阳工业大学人工智能学院 沈阳110870;沈阳美行科技有限公司 沈阳110167
文献出处：
引用格式：
[1]王立刚;张志佳;贺继昌;张长海;赵永茂-.基于深度学习的交通标志文字信息检测与识别方法)[J].电子测量技术,2022(18):119-125
A类：
CSCT,MTWI
B类：
交通标志,文字信息,信息检测,检测与识别,决无,无人驾驶汽车,车外,外界环境,环境感知系统,交通标识,检测问题,自动驾驶,驾驶场景,文本信息,两阶段方法,YOLO,检测器,DB,测网,内文,标识检测,场景文本检测,交集,集运,本区,CRNN,识别区,信息定位,定位算法,召回率,信息识别,识别算法,Fl,文本识别
AB值：
0.433045
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。
