-
题名综合特征分段组稀疏编码的交通标志识别方法
- 1
-
-
作者
朱逸峰
奚峥皓
郑阳
刘翔
刘亚奇
张星
-
机构
上海工程技术大学电子电气工程学院
中国科学院自动化研究所
上海工程技术大学管理学院
-
出处
《计算机科学与探索》
北大核心
2025年第10期2712-2721,共10页
-
基金
人工智能促进科研范式改革、赋能学科跃升计划项目(2024AI011,2024AI008)。
-
文摘
随着无人驾驶、辅助驾驶等技术的发展,交通标志识别(TSR)问题被更多的研究者所关注。目前,在普通交通环境下的TSR问题得到了较好的解决,但当环境中存在交通标志模糊、部分遮挡等噪声干扰时,其TSR的处理效果并不理想。针对该问题进行研究,提出了一种新颖的结合孪生网络的综合特征分段组稀疏编码的TSR问题解决方法。提取交通标志的多个不同尺度特征编码,并提出利用综合特征编码的方法来表征交通标志;通过提出的分段组稀疏编码方法对交通标志的综合特征编码进行优化,以改善模型对编码的学习能力,提高编码的鲁棒性;构建了用于分段组稀疏编码训练的孪生神经网络模型,该模型因其简单的结构和较少的层数使其不易出现过拟合问题,同时所提模型也具有较少的参数量,较大幅度提升了模型的运算速度。实验表明,所提方法在TT100K数据集原始环境、运动模糊环境中,与目前SOTA模型最好成绩相比其准确率、精确率、召回率与F1分数等评价指标相近,模型参数量减少70.8%,FPS提升51.4%;在部分遮挡噪声环境中,各指标均显著优于目前SOTA模型最好成绩,尤其在遮挡率为60%时,所提方法的准确率和FPS分别较目前SOTA模型最好成绩提升了0.118和27 FPS。
-
关键词
计算机视觉
交通标志识别
分段组稀疏编码
孪生神经网络
-
Keywords
computer vision
traffic sign recognition
segmented group sparse coding
siamese neural network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
