基于改进残差网络的交通标志识别算法

摘要：

针对模型在下采样过程中不断损失图像的高层次信息,从而导致特征提取不足的问题,本文对ResNet网络结构进行改进,提出基于多尺度特征与注意力机制的交通标志识别方法.首先,通过特征融合的方式将模型各个层次的多尺度特征进行融合,丰富特征语义信息,增强网络的特征提取能力.然后,通过注意力机制强化不同通道特征,提升特征整体的表达能力.结合这2种方法可提升模型的交通标志识别准确率.在GTSRB和BelgiumTS交通标志数据集上的实验结果表明,所提出方法的准确率分别达到99.31％和98.96％,优于前沿的交通标志识别算法.

关键词：深度学习、交通标志识别、卷积神经网络、多尺度特征融合、通道注意力机制

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61763002

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：52-57,64