基于轻量型卷积神经网络的交通标志识别 |
| |
引用本文: | 龙曼仪,李茂军,张辉,刘芾. 基于轻量型卷积神经网络的交通标志识别[J]. 计算技术与自动化, 2020, 39(4): 112-118 |
| |
作者姓名: | 龙曼仪 李茂军 张辉 刘芾 |
| |
作者单位: | 长沙理工大学电气与信息工程学院,湖南长沙410114;湖南大学机器人学院,湖南长沙410114 |
| |
摘 要: | 针对卷积神经网络在交通标志识别实时性不好,对设备硬件要求过高的缺点,提出了一种具有实时性,高精度的基于轻量型卷积神经网络的改进网络。一方面引入深度可分离卷积和激活函数Mish,加快网络的训练和识别速度,降低对硬件设备的要求;另一方面通过对网络架构及层次的改进,同时合理改变卷积核的大小和数目,加强图片特征的表达与传递。在BelgiumTSC交通标志数据集上的实验结果表明,改进后网络明显提高了网络训练速度,同时识别精度也略高于原网络,验证了改进方法的有效性。通过与其他模型相比,该模型能够更快速准确完成交通标志识别任务,验证了该方法的可行性。
|
关 键 词: | 卷积神经网络 交通标识 图像增强 深度可分离卷积 激活函数 |
Traffic Sign Recognition Based on Lightweight Convolutional Neural Network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《计算技术与自动化》浏览原始摘要信息 |
|
点击此处可从《计算技术与自动化》下载全文 |
|