典型文献
基于卷积神经网络的交通标志ROI提取与识别
文献摘要：
道路交通标志在指导安全出行方面起了重要作用,随着智能交通的发展,交通标志识别越来越受到重视.不同光照、雾气下的复杂自然场景(如树林、建筑物)对交通标志识别干扰较大,为减少这些无关干扰因素所带来的识别率不高的问题,提出了一种语义分割网络与分类网络级联的交通标志识别方法.语义分割网络由UNet改进得到,利用了交通标志与背景颜色、形状特征的差异实现对交通图像感兴趣区域的准确提取;而分类网络则是借鉴LeNet5设计的网络结构,在交通标志感兴趣区域的基础上进行特征提取并分类.实验过程中选取三角形和圆形标志构建数据集,实验结果表明,文中方法与其他较好的交通标志分类方法如HOG-SVM、ResNet50相比,在识别时间较短的同时,其识别精度达到了98.96％.
文献关键词：
交通工程;卷积神经网络;图像语义分割;感兴趣区域;交通标志识别
中图分类号：
作者姓名：
张博
作者机构：
华南理工大学机械与汽车工程学院,广东广州510640
文献出处：
引用格式：
[1]张博-.基于卷积神经网络的交通标志ROI提取与识别)[J].电子设计工程,2022(03):20-25,30
A类：
B类：
ROI,道路交通,志在,安全出行,智能交通,交通标志识别,雾气,自然场景,树林,干扰因素,识别率,语义分割网络,分类网络,UNet,进得,背景颜色,形状特征,交通图像,感兴趣区域,LeNet5,三角形,中方,分类方法,HOG,ResNet50,识别精度,交通工程,图像语义分割
AB值：
0.311706
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。
