典型文献
基于双向特征融合的交通标志识别
文献摘要：
为了进一步提高交通标志识别的检测精度,文章提出了一种改进的YOLO深度学习网络.其采用双向特征融合网络,引入较少的参数来实现更多的特征融合,并基于中国交通标志数据集计算瞄点框.通过与基准网络进行对比,结果显示,深度学习网络的检测性能更优,从而验证了改进网络的有效性.
文献关键词：
交通标志识别;YOLO深度学习网络;双向特征融合
中图分类号：
作者姓名：
唐磊
作者机构：
长安大学 汽车学院,陕西 西安 710064
文献出处：
引用格式：
[1]唐磊-.基于双向特征融合的交通标志识别)[J].汽车实用技术,2022(09):1-3
A类：
瞄点框
B类：
双向特征融合,交通标志识别,检测精度,YOLO,深度学习网络,特征融合网络,国交,基准网络,检测性能,进网
AB值：
0.23615
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。
