基于卷积神经网络的交通标志识别算法

交通标志识别是智能驾驶的关键技术，要满足识别准确率高和识别速度快的要求。为了提升交通标志的识别准确率和识别速度，提出基于卷积神经网络的交通标志识别算法，设计了一种准确率高、速度快的识别模型用于交通标志识别。该模型使用了改进的Inception模块以及多尺度特征融合方式增强网络的特征提取能力，采用批量归一化来加速网络的训练，采用全局平均池化减小模型的参数量。在GTSRB数据集上进行训练测试，识别模型的准确率达到99.6%，识别每张图片的时间为0.22ms，实验结果表明识别模型的识别准确率高，识别速度快。通过自对比实验，验证了识别模型的结构优势。与其他交通标志识别方法在GTSRB数据集上进行对比实验，识别模型的识别性能优于其他识别方法。