本文選題：卷積神經(jīng)網(wǎng)絡(luò)　切入點(diǎn)：交通標(biāo)志　出處：《陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年02期 　論文類型：期刊論文

【摘要】：以真實(shí)場景中拍攝的交通標(biāo)志圖像數(shù)據(jù)集GTSRB為研究對象,將卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)相結(jié)合,提出一種基于二級改進(jìn)LeNet-5的交通標(biāo)志識別算法。該算法首先根據(jù)識別系統(tǒng)的實(shí)時(shí)性要求,對原始LeNet-5結(jié)構(gòu)進(jìn)行改進(jìn);然后用裁剪、灰度化、圖像增強(qiáng)和尺寸歸一化等操作對原始圖像進(jìn)行預(yù)處理,得到32×32的感興趣區(qū)域;接下來,利用數(shù)據(jù)集GTSRB訓(xùn)練出一個(gè)二級改進(jìn)LeNet-5,其中第一級改進(jìn)LeNet-5將感興趣區(qū)域中包含的交通標(biāo)志粗分為6類,第二級改進(jìn)LeNet-5對粗分類結(jié)果進(jìn)行細(xì)分類,識別出交通標(biāo)志所屬的最終類別。實(shí)驗(yàn)結(jié)果表明,基于二級改進(jìn)LeNet-5交通標(biāo)志識別算法因網(wǎng)絡(luò)模型能夠提取交通標(biāo)志的多尺度特征,識別正確率可達(dá)91.76%。
[Abstract]:Taking the real scene traffic sign image data set GTSRB as the research object, the convolution neural network and the support vector machine are combined. A traffic sign recognition algorithm based on two-level improved LeNet-5 is proposed. Firstly, the original LeNet-5 structure is improved according to the real-time requirements of the recognition system, and then the original LeNet-5 structure is clipped and grayscale. Image enhancement and size normalization operations preprocess the original image to obtain 32 脳 32 regions of interest. A second-level improved LeNet-5 is trained by using the data set GTSRB, in which the first improved LeNet-5 divides the traffic signs contained in the region of interest into six categories, and the second improved LeNet-5 subdivides the results of the rough classification. The experimental results show that the traffic sign recognition algorithm based on two-level improved LeNet-5 can extract the multi-scale features of traffic signs, and the recognition accuracy can reach 91.76.
【作者單位】： 陜西師范大學(xué)計(jì)算機(jī)科學(xué)學(xué)院;現(xiàn)代教學(xué)技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;陜西省語音與圖像信息處理重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金(61501287,61501286) 陜西省重點(diǎn)實(shí)驗(yàn)室開放共享項(xiàng)目(SAIIP201202) 陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃(2015JQ6208)
【分類號】：U463.6;U495;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 李岳云;許悅雷;馬時(shí)平;史鶴歡;;深度卷積神經(jīng)網(wǎng)絡(luò)的顯著性檢測[J];中國圖象圖形學(xué)報(bào);2016年01期

2 楊潔;閆清東;梅向輝;;基于支持向量機(jī)的車輛行為分析方法研究[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

3 常發(fā)亮;黃翠;劉成云;趙永國;馬傳峰;;基于高斯顏色模型和SVM的交通標(biāo)志檢測[J];儀器儀表學(xué)報(bào);2014年01期

4 龐志勇;譚洪舟;陳弟虎;;一種改進(jìn)的低成本自適應(yīng)雙三次插值算法及VLSI實(shí)現(xiàn)[J];自動化學(xué)報(bào);2013年04期

5 趙志宏;楊紹普;馬增強(qiáng);;基于卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車牌字符識別研究[J];系統(tǒng)仿真學(xué)報(bào);2010年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉云;楊建濱;王傳旭;;基于卷積神經(jīng)網(wǎng)絡(luò)的蘋果缺陷檢測算法[J];電子測量技術(shù);2017年03期

2 常祥;楊明;;基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的圖像分類性能[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2017年03期

3 黨倩;馬苗;陳昱蒞;;基于二級改進(jìn)LeNet-5的交通標(biāo)志識別算法[J];陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年02期

4 杜玉龍;李建增;張巖;范聰;;基于深度交叉CNN和免交互GrabCut的顯著性檢測[J];計(jì)算機(jī)工程與應(yīng)用;2017年03期

5 高燦;;一種基于CNN手寫字符識別的改進(jìn)方法[J];黑龍江科技信息;2017年03期

6 甘澄;丁學(xué)文;;基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢索方法研究[J];電腦知識與技術(shù);2016年30期

7 趙燕飛;楊彥利;王麗娟;;基于顯著性和深度卷積神經(jīng)網(wǎng)絡(luò)的輸送帶表面故障定位[J];工礦自動化;2016年12期

8 王忠民;曹洪江;范琳;;一種基于卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的人體行為識別方法[J];計(jì)算機(jī)科學(xué);2016年S2期

9 鐘寶江;陸志芳;季家歡;;圖像插值技術(shù)綜述[J];數(shù)據(jù)采集與處理;2016年06期

10 張軍;張婷;楊正瓴;朱新山;楊伯軒;;深度卷積神經(jīng)網(wǎng)絡(luò)的汽車車型識別方法[J];傳感器與微系統(tǒng);2016年11期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柳長源;畢曉君;韋琦;;基于向量機(jī)學(xué)習(xí)算法的多模式分類器的研究及改進(jìn)[J];電機(jī)與控制學(xué)報(bào);2013年01期

2 張卡;盛業(yè)華;趙東保;;視覺可量測實(shí)景影像的道路交通標(biāo)志自動檢測[J];儀器儀表學(xué)報(bào);2012年10期

3 劉春生;常發(fā)亮;陳振學(xué);李爽;;改進(jìn)的高斯膚色模型及其在人臉檢測中的應(yīng)用[J];儀器儀表學(xué)報(bào);2012年05期

4 盧盛榮;劉禮鋒;李翠華;;基于顏色分割和多特征融合的交通標(biāo)志檢測[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

5 孫光民;王晶;于光宇;李罡;許磊;;自然背景中交通標(biāo)志的檢測與識別[J];北京工業(yè)大學(xué)學(xué)報(bào);2010年10期

6 董春利;董育寧;;基于視頻的車輛檢測與跟蹤算法綜述[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

7 廉飛宇;付麥霞;張?jiān)?;基于支持向量機(jī)的車輛牌照識別的研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2006年21期

8 張霄;彭維;;基于Hough變換的圓形物體的檢測[J];傳感器與微系統(tǒng);2006年04期

9 賈婧;葛萬成;陳康力;;基于輪廓結(jié)構(gòu)和統(tǒng)計(jì)特征的字符識別研究[J];沈陽師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年01期

10 任柯昱,唐丹,尹顯東;基于字符結(jié)構(gòu)知識的車牌漢字快速識別技術(shù)[J];計(jì)算機(jī)測量與控制;2005年06期

，

本文編號：1635245