典型文献
基于卷积神经网络的交通标志识别算法
文献摘要：
交通标志识别是智能驾驶的关键技术,要满足识别准确率高和识别速度快的要求.为了提升交通标志的识别准确率和识别速度,提出基于卷积神经网络的交通标志识别算法,设计了 一种准确率高、速度快的识别模型用于交通标志识别.该模型使用了改进的Inception模块以及多尺度特征融合方式增强网络的特征提取能力,采用批量归一化来加速网络的训练,采用全局平均池化减小模型的参数量.在GTSRB数据集上进行训练测试,识别模型的准确率达到99.6％,识别每张图片的时间为0.22ms,实验结果表明识别模型的识别准确率高,识别速度快.通过自对比实验,验证了识别模型的结构优势.与其他交通标志识别方法在GTSRB数据集上进行对比实验,识别模型的识别性能优于其他识别方法.
文献关键词：
交通标志识别;卷积神经网络;Inception;多尺度特征融合;全局平均池化
中图分类号：
作者姓名：
张小雪;黄巍
作者机构：
武汉工程大学计算机科学与工程学院,湖北 武汉 430205
文献出处：
引用格式：
[1]张小雪;黄巍-.基于卷积神经网络的交通标志识别算法)[J].电脑与电信,2022(07):1-5,9
A类：
22ms
B类：
交通标志识别,识别算法,智能驾驶,识别准确率,识别模型,模型使用,Inception,多尺度特征融合,融合方式,特征提取能力,批量归一化,全局平均池化,参数量,GTSRB,每张,结构优势,识别性
AB值：
0.218301
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。
