-
题名应用卷积神经网络与RPN的交通标志识别
被引量：13
- 1
-
-
作者
谭台哲
卢剑彪
温捷文
李楚宏
凌伟林
-
机构
广东工业大学计算机学院
广东工业大学(河源)协同创新研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第21期251-256,264,共7页
-
文摘
在智能交通系统中要求交通标志识别具有良好的鲁棒性、实时性,并且实际交通环境中可能因路标模糊、光照强弱、尺度大小、复杂背景等因素的问题,导致交通标志识别准确率很低。针对上述问题,提出了利用深度学习方法设计卷积神经网络,并通过卷积和池采样的多层处理,结合目标检测方法中的RPN网络结构,以提取图像的候选区域,从而对候选区域进行特征提取,最后利用全连接网络实现对特征图进行回归处理,获取检测目标的位置及识别。实验结果表明,该方法能有效地提高检测精度和计算效率,降低错误率,对于光照、旋转等不良因素下交通标志检测具有较好的稳定性和准确性,有效地提高了交通标志识别效率,具有良好的泛化能力和适应性,且满足一定的实时性的要求。
-
关键词
交通标志检测
实时
区域生成网络(RPN)
智能交通
-
Keywords
traffic sign detection
real-time
Region Proposal Network(RPN)
intelligent transportation
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
