-
题名基于多尺度区域卷积神经网络小交通标志识别算法
被引量：7
- 1
-
-
作者
谭波
王正家
-
机构
湖北工业大学机械工程学院
现代制造质量工程湖北省重点实验室
-
出处
《现代电子技术》
2021年第15期59-64,共6页
-
基金
国家自然科学基金项目(51275158)。
-
文摘
在实际交通环境中,小交通标志目标识别呈现多尺度分布易受复杂环境的影响,造成识别精度低。针对这一情况,提出一种多尺度区域卷积神经网络(MR⁃CNN)检测算法。在检测阶段,MR⁃CNN采用多尺度反卷积运算对较深卷积层的特征进行上采样,并将其与浅层的特征连接起来,构建融合后的特征图;在分类阶段,利用多尺度的上下文区域给目标对象提供周围建议信息,并为全连接层构造融合特征,其中区域建议网络(RPN)内融合的特征图主要用于提高小交通标志的图像分辨率和语义信息。最后,在国内常见的数据集Tsinghua Tencent 100K上测试了MR⁃CNN架构。实验结果表明,提出的小交通标志目标检测算法相比于传统方法,在检测精度和召回率方面更加优越,具有实际应用价值。
-
关键词
小交通标志识别
卷积神经网络
检测算法
特征采样
深度学习
多尺度特征融合
-
Keywords
small traffic sign recognition
CNN
detection algorithm
feature sampling
deep learning
multi⁃scale feature fusion
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
-
