典型文献
基于多源损失自适应的交通指示灯识别
文献摘要：
为了提高交通指示灯信号的识别精度,提出一种基于多源损失自适应的交通指示灯识别方法.该方法采用BI-LSTM多层自编码对交通指示灯信号进行特征提取,整合后的特征向量作为新的输入,将数据传输至MLP神经网络,再经过softmax层实现数据样本的分类计算,最后采用梯度下降方法,通过模型训练实现模型参数和自适应参数的优化.与一般深度学习单一损失来源不同,该模型具有三个损失来源,分别是编解码损失、对比损失以及交叉熵损失,模型的总损失是由这三个损失以相应的权重叠加而来,权重参数ζ和β是自适应参数,随着模型的训练,ζ和β进行独立学习,最终达到理想值.结果表明多源损失自适应策略对模型自我优化的有效性,提高了模型识别精度.
文献关键词：
交通信号灯识别;多源损失自适应;双向长短期记忆网络;BI-LSTM自编码器;梯度下降;编解码损失;对比损失;交叉熵损失
中图分类号：
作者姓名：
张思诺;魏霞
作者机构：
新疆大学 电气工程学院,新疆 乌鲁木齐 830047
文献出处：
引用格式：
[1]张思诺;魏霞-.基于多源损失自适应的交通指示灯识别)[J].现代电子技术,2022(15):128-132
A类：
多源损失自适应,编解码损失
B类：
通指,指示灯,识别精度,BI,特征向量,数据传输,MLP,再经,softmax,梯度下降,模型训练,自适应参数,学习单,对比损失,交叉熵损失,权重叠加,独立学习,理想值,自适应策略,模型识别,交通信号灯识别,双向长短期记忆网络,自编码器
AB值：
0.251502
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。
