-
题名面向交通标识的二值语义嵌入学习方法
- 1
-
-
作者
王少华
刘法胜
时柏营
刘兴波
聂秀山
-
机构
山东建筑大学计算机科学与技术学院
山东科技大学电气与自动化工程学院
山东建筑大学交通工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第13期205-210,共6页
-
基金
国家自然科学基金(61876098,62206160)
山东省泰山学者计划项目(tsqn202103088)
+1 种基金
山东省自然科学基金(ZR2021JQ26,ZR2022QF082)
山东建筑大学特聘教授专项经费。
-
文摘
交通标识是交通基础设施的重要组成。智能交通系统中的自动驾驶车辆需要识别和理解交通标识,以确保其驾驶行为安全和遵守交通法规。目前,交通标识的识别大都采用深度神经网络方法,利用大量的训练样本对神经网络参数进行训练,获得对任务有利的特征表示,然而,海量的训练数据将带来较高的检索成本。针对以上问题,提出一种基于二值语义嵌入的大规模交通标识检索与识别方法BETS,该方法将标签信息和成对相似性信息嵌入到二值语义空间中,同时使用深度神经网络来进行哈希学习。实验结果表明,该方法可以有效提升大规模交通标识检索与识别的精度和准确性。
-
关键词
交通标识图像
二值码
深度神经网络
标签信息
-
Keywords
traffic sign image
binary code
deep neural network
label information
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
