| 基于改进卷积神经网络的实时交通标志检测方法 |
| |
| 引用本文： | 童英,杨会成.基于改进卷积神经网络的实时交通标志检测方法[J].激光与光电子学进展,2019,56(7):115-121. |
| |
| 作者姓名： | 童英 杨会成 |
| |
| 作者单位： | 安徽工程大学电气工程学院,安徽芜湖,241000;安徽工程大学电气工程学院,安徽芜湖,241000 |
| |
| 基金项目： | 安徽省高校自然科学研究重点项目 |
| |
| 摘 要： | 提出了一种基于改进卷积神经网络的交通标志检测方法。预训练模型产生否定;使用难分类负样本采集将负样本输入到网络中,提高模型的判别能力;使用多尺度训练过程中的特征级联策略来进一步提升模型的性能。利用TensorFlow框架在德国交通标志检测数据集上对所提方法的有效性进行了仿真。研究结果表明,与现有技术相比,所提方法能够获得更快的检测速率,处理每幅图像仅需0.016s。
|
| 关 键 词： | 图像处理 卷积神经网络 交通标志检测 特征拼接 难分类负样本采集 多尺度训练 |
Real-Time Traffic Sign Detection Method Based on Improved Convolution Neural Network |
| |
| Tong Ying,Yang Huicheng.Real-Time Traffic Sign Detection Method Based on Improved Convolution Neural Network[J].Laser & Optoelectronics Progress,2019,56(7):115-121. |
| |
| Authors: | Tong Ying Yang Huicheng |
| |
| Institution: | (College of Electrical Engineering,Anhui Polytechnic University,Wuhu,Anhui 241000,China) |
| |
| Abstract: | Tong Ying;Yang Huicheng(College of Electrical Engineering,Anhui Polytechnic University,Wuhu,Anhui 241000,China) |
| |
| Keywords: | image processing convolution neural networks traffic sign detection feature concatenation hard negative mining multi-scale training |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
