基于卷积神经网络的交通路标识别

科技的发展，使得适合无人驾驶的交通路标识别变得越来越实际。而利用卷积神经网络进行的交通路标识别是目前最为流行的方法，本文基于该方法进行实验。在现实收集路标图像数据后，利用直方图均衡化等方法实现图片预处理，构成训练集和测试集。然后构建LeNet5结构的卷积神经网络对路标图片训练集进行训练，再利用测试集来检验模型的精准度。在第一次实验中，模型的识别准确率虽然已经高于其他传统识别方法，但是只有87.5%，经过对神经网络的批尺度和卷积核以及训练次数等方面调整后，识别率达到93.2%。

TrafficSignRecognitionBasedonConvolutionalNeuralNetwork

Withthedevelopmentofscienceandtechnology,therecognitionoftrafficsignsforunpilotedvehicleisbecomingmoreandmorepractical.Andthemostpopularmethodtorecognizethetrafficsignistousetheconvolutionalneuralnetwork.Theexperimentismadebasedonthismethod.Afterthecollectionofactualtrafficsignsimagedata,weusethehistogram-equalizationandothermethodstoachieveimagepreprocessingandconstitutethetrainingsetandtestset.ThenwebuildtheconvolutionneuralnetworkofLeNet5bythetrainingset,andusethetestsettotesttheaccuracyofthemodel.Inthefirstexperiment,therecognitionaccuracyofthemodelishigherthanothertraditionalidentificationmethods,butonly87.5%.Aftertheadjustmentoftheneuralnetwork’sbatchsize,theconvolutionkernel,thenumberoftrainingandotheraspects,therecognitionaccuracyisincreasedto93.2%.