在模式識(shí)別領(lǐng)域內(nèi),目標(biāo)的檢測(cè)與分類是一個(gè)十分重要的研究課題,由此延伸出來的交通標(biāo)志識(shí)別任務(wù)在實(shí)際生活中,具有很高的研究?jī)r(jià)值。近些年來,智能交通系統(tǒng)（ITS）與無人駕駛技術(shù)在城市交通中的作用越來越重要。尤其是對(duì)于無人駕駛汽車,如何能夠準(zhǔn)確地識(shí)別交通標(biāo)志,對(duì)于車輛的路徑規(guī)劃與控制具有重要的引導(dǎo)作用。2006年,Hinton等人首次提出了深度學(xué)習(xí)（Deep Learning）的概念。直至最近幾年,深度學(xué)習(xí)已經(jīng)成功引導(dǎo)了人工智能的發(fā)展方向。卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）作為深度學(xué)習(xí)中一個(gè)十分重要的模型,在圖像識(shí)別領(lǐng)域,已經(jīng)取得了顯著的效果。VGGNet是在2014年提出來的一種卷積神經(jīng)網(wǎng)絡(luò),在ILSVRC2014目標(biāo)檢測(cè)競(jìng)賽中取得了第二名的成績(jī)。本文參照了 VGG Net的結(jié)構(gòu),并針對(duì)于具體的交通標(biāo)志識(shí)別任務(wù),設(shè)計(jì)出了一種新型的網(wǎng)絡(luò)結(jié)構(gòu),在實(shí)驗(yàn)中證明了這種新型的網(wǎng)絡(luò)結(jié)構(gòu)在交通標(biāo)志識(shí)別的任務(wù)中表現(xiàn)十分出色。本文的主要工作如下:（1）本文提出了一種新型的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并命名為IVGG（Improved VGG）。針對(duì)于所識(shí)別的交通標(biāo)志圖像尺寸較... 

【文章來源】：長(zhǎng)沙理工大學(xué)湖南省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１警告標(biāo)志??７??

?碩士學(xué)位論文???警告標(biāo)志通過圖形符號(hào)或文字來對(duì)過往的交通目標(biāo)進(jìn)行警示作用，從而保障交通秩??序和行車安全，如圖２．１所示。根據(jù)我國(guó)的國(guó)家標(biāo)準(zhǔn)《道路交通標(biāo)志和標(biāo)線》（ＧＢ５７６８－??１９９９＾２（）１，我國(guó)的交通警告標(biāo)志被設(shè)計(jì)為顏色為黃底、黑邊、黑圖案，形狀為頂角朝上的??等邊三角形。在一些歐洲國(guó)家，如德國(guó)，他們的交通警告標(biāo)志被設(shè)計(jì)成白底、紅邊、黑??色圖案，形狀也是頂角朝上的等邊三角形，在本章介紹介紹德國(guó)交通標(biāo)志數(shù)據(jù)集時(shí)還會(huì)??重點(diǎn)說明。??２．１．２指示標(biāo)志??〇?？⑩馨??ｓ行?簠行和商右ｉｔ穹立交篇行和左轉(zhuǎn)考行班?玲播叭??＠?＠?＠?＠??商向左和商右轉(zhuǎn)穹?２３ＳＳ行和右轉(zhuǎn)奪行較最低強(qiáng)速??？?？?＿?＝？??向右ｉｔｓ?茲右進(jìn)環(huán)職港?單行路商左或向右??圖２．?２指示標(biāo)志??指示標(biāo)志是用來給道路上的交通參與者提示規(guī)定的方向與車道。根據(jù)我國(guó)的國(guó)家標(biāo)??準(zhǔn)，指示標(biāo)志的顏色為藍(lán)底、白圖案；形狀分為圓形、長(zhǎng)方形和正方形，部分指示標(biāo)志??如圖２．２所示。??２．１．３禁令標(biāo)志??禁令標(biāo)志的作用是對(duì)交通參與者進(jìn)行一定的限制或者是禁止。禁令標(biāo)志的顏色，除??個(gè)別標(biāo)志外，為白底，紅圈，紅杠，黑圖案。禁令標(biāo)志目前有４２種，部分禁令標(biāo)志如圖??２．３所示。??８??

?第二章交通標(biāo)志識(shí)別的相關(guān)技術(shù)研究???Ｏ?０?０?？??禁ｉｈ遇行?禁遇行禁止拖拉禁止＾咖車進(jìn)入??ＣＳＳＳ??禁ｌｈ軟入禁ｉｔ大車被入?８止農(nóng)苗車駐入?禁ｉｆｃ竃力車進(jìn)入??Ｓ?Ｓ?Ｓ?？??禁ｉｈ機(jī)動(dòng)車掛入禁ｉｔ小繭客車駐入?禁止二摩托車較入禁止人力進(jìn)入??圖２．３禁令標(biāo)志??２．２交通標(biāo)志數(shù)據(jù)集??在目標(biāo)檢測(cè)領(lǐng)域，通常使用Ｐａｓｃａｌ?ＶＯＣ數(shù)據(jù)集與ＩｍａｇｅＮｅｔ提出的ＩＬＳＶＲＣ數(shù)據(jù)??集，這些數(shù)據(jù)集面向公眾可以直接拿來使用，而且會(huì)根據(jù)每年的目標(biāo)檢測(cè)競(jìng)賽的需求來??進(jìn)行更新。在交通標(biāo)志識(shí)別領(lǐng)域，各個(gè)國(guó)家的交通標(biāo)志設(shè)計(jì)風(fēng)格還存在比較大的差別。??研宄人員提出的算法都在各自設(shè)計(jì)的數(shù)據(jù)集進(jìn)行檢測(cè)和分類的比較，這些數(shù)據(jù)集并未進(jìn)??行公開，設(shè)計(jì)也可能存在一些不規(guī)范的地方，從而導(dǎo)致相關(guān)的研宄成果無法直接用來對(duì)??比。為了解決這一問題，神經(jīng)網(wǎng)絡(luò)國(guó)際會(huì)議（Ｉｎｔｅｒｎａｔｉｏｎａｌ?Ｊｏｉｎｔ?Ｃｏｎｆｅｒｅｎｃｅ?ｏｎ?Ｎｅｕｒａｌ??Ｎｅｔｗｏｒｋｓ，?ＩＪＣＮＮ）于?２０１１?年和?２０１３?年分別提出了?Ｇｅｒｍａｎ?Ｔｒａｆｆｉｃ?Ｓｉｇｎ?Ｒｅｃｏｇｎｉｔｉｏｎ??Ｂｅｎｃｈｍａｒｋ?（ＧＴＳＲＢ）和?Ｇｅｒｍａｎ?Ｔｒａｆｆｉｃ?Ｓｉｇｎ?Ｄｅｔｅｃｔｉｏｎ?Ｂｅｎｃｈｍａｒｋ?（ＧＴＳＤＢ），這兩個(gè)規(guī)??范標(biāo)準(zhǔn)都采集自德國(guó)的交通標(biāo)志，分別用作交通標(biāo)志的識(shí)別與檢測(cè)。此后，國(guó)內(nèi)外發(fā)表??的學(xué)術(shù)研宄成果都以此數(shù)據(jù)集作為對(duì)比的標(biāo)準(zhǔn)，本文的研宄也是基于ＧＴＳＲＢ數(shù)據(jù)集來??進(jìn)行實(shí)驗(yàn)。??ＧＴＳＲＢ數(shù)據(jù)集包含有４３個(gè)類別的交通標(biāo)志，它們都屬于警告標(biāo)志、指示標(biāo)志和禁??令標(biāo)志，一共有５１８３９張（其中


本文編號(hào)：3261992