基于多源损失自适应的交通指示灯识别

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.

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

所属期刊栏目：45

分类号：TN99-34;TP391

资助基金：国家自然科学基金51468062

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：128-132