基于多尺度卷积神经网络的交通标志识别方法

摘要：

为解决交通标志目标易受复杂环境影响且呈现多尺度分布,造成识别精度低的问题,构建一种多尺度卷积神经网络模型.针对不同尺寸输入设计相应的网络结构,提取目标特征,实现对不同尺寸目标的识别,再加权融合各子网络结果得到最终识别结果,实现多尺度目标识别.经实验验证分析,提出算法模型在小尺寸目标、较小尺寸目标、中尺寸目标、大尺寸目标上识别率分别达到99.12％,99.24％,99.41％,99.35％,保障了多尺度输入目标识别的鲁棒性,综合识别率可以达到99.31％,验证了算法在平衡实时性及准确率的基础上,具有一定的实用价值.

关键词：智能交通、深度学习、交通标志识别、多尺度目标识别、神经网络、加权融合

所属期刊栏目：42

分类号：TN911.73-34;TP391.41

资助基金：国家自然科学基金项目61703054;陕西省重点研发计划重点项目2018ZDXM-GY-044;装备预研教育部联合基金6141A02022322;高等学校学科创新引智计划项目B14043;中央高校基本科研业务费高新技术研究培育项目300102248202

在线出版日期：2019-08-22（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：134-138,143