基于优化卷积神经网络的交通标志识别算法研究

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.

关键词：交通标志识别、卷积神经网络、图像分类、深度学习

所属期刊栏目：60

分类号：TP391.41(计算技术、计算机技术)

资助基金：甘肃省自然科学基金;甘肃省科技计划基金项目

在线出版日期：2022-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：33-38