基于图像增强和SKNet的交通标志识别

针对现有交通标志识别系统对图像特征提取不充分和复杂情况下难以识别的问题，设计基于图像增强和SKNet的交通标志识别模型HE-SKNet。首先，采用直方图均衡化，对过亮或过暗的交通标志图像进行增强；然后使用自适应调节感受野大小的SKNet网络进行特征提取和分类。GTSRB数据集的实验结果表明，提出的HE-SKNet模型识别准确率达到了98.95%，相比ResNet、ResNeXt、SENet和SKNet准确率平均提高了2.77个百分点，验证了HE-SKNet模型自适应提取不同尺度特征的能力，更适用于过亮或过暗的复杂实际应用场景。