典型文献
基于优化卷积神经网络的交通标志识别算法研究
文献摘要：
在实际的道路交通场景中,交通标志图像一般会受到光照强度、雨雪天气、运动模糊以及被物体遮挡等环境因素影响,快速准确地识别交通标志具有一定难度.为了提高交通标志的识别准确率,在传统的卷积神经网络基础上,对采用的德国数据集进行预处理,将数据集进行灰度化和归一化处理,采用eLU激活函数解决卷积过程中出现的梯度消失问题,加入了Flatten层实现卷积层到全连接层的过渡,减少了参数的使用量,避免了过拟合现象,并加深了网络的层数.最后将测试的数据集输入训练好的网络中,在不同的学习率下测试训练模型的表现.结果表明:优化后的网络模型在德国交通标志数据集上的准确率为98.53％.和传统的卷积神经网络相比,该模型具有更高的识别率.
文献关键词：
交通标志识别;卷积神经网络;图像分类;深度学习
中图分类号：
作者姓名：
韩建鹏;王春生;巩梨
作者机构：
730070 甘肃省 兰州市 兰州交通大学 交通运输学院
文献出处：
引用格式：
[1]韩建鹏;王春生;巩梨-.基于优化卷积神经网络的交通标志识别算法研究)[J].农业装备与车辆工程,2022(05):33-38
A类：
eLU
B类：
交通标志识别,识别算法,算法研究,道路交通,交通场景,光照强度,雨雪天气,运动模糊,遮挡,快速准确,识别准确率,网络基础,灰度化,归一化处理,激活函数,梯度消失,Flatten,卷积层,全连接层,过拟合,层数,集输,练好,学习率,试训,训练模型,国交,识别率,图像分类
AB值：
0.390645
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。
