论文摘要
针对目前基于深度学习的交通标志识别方法在空间不变性以及深度有效特征利用率不足等方面存在的问题,提出了一种基于特征重构与权重分配的交通标志识别算法.首先,将交通标志输入预处理空间变换网络,获得具有空间不变性的图像;然后,压缩卷积特征,提取全局特征信息,得到不同通道特征对网络识别交通标志的贡献率,多层全连接学习深度特征重要性,引入缩放参数r,减少网络参数计算,并分配深度特征权重,完成特征重构;最后,确定阶段特征中卷积特征需要重构的位置,完成3个阶段特征的重标定.在公开的德国交通标志数据集(GTSRB)上进行实验,对43类12630张交通标志测试集,识别率可达到99. 32%.
论文目录
文章来源
类型: 期刊论文
作者: 朱军,侯振杰,陈树越,苏海明
关键词: 空间变换网络,特征重构,权重分配,深度卷积网络,交通标志识别
来源: 小型微型计算机系统 2019年09期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 汽车工业,计算机软件及计算机应用
单位: 常州大学信息科学与工程学院
基金: 国家自然科学基金项目(61063021)资助,江苏省产学研前瞻性联合研究项目(BY2015027-12)资助,江苏省物联网移动互联技术工程重点实验室开放课题项目(JSWLW-2017-013)资助
分类号: TP391.41;U463.6
页码: 1932-1939
总页数: 8
文件大小: 2061K
下载量: 168