技術(shù)總結(jié)
本發(fā)明針對已有的交通標識牌識別方法中識別目標種類單一，速度較慢的問題，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的快速交通標識牌識別方法Fast?Traffic?Sign?Recognition?Convolution?Neural?Network，簡稱FTSR?CNN。該方法利用卷積核滑動濾波提取特征，在前向?qū)W習(xí)過程中求得網(wǎng)絡(luò)的損失，保證了網(wǎng)絡(luò)模型對交通標示牌多累識別的準確性；調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)中的參數(shù)和激活函數(shù)類型和降維操作來優(yōu)化網(wǎng)絡(luò)性能，最終具有更好的準確性和實時性。同時，為了提升樣本的多樣性，對數(shù)據(jù)集的樣本進行基于仿射變換的數(shù)據(jù)增廣。FTSR?CNN在德國交通標識牌數(shù)據(jù)集GTSRB和Tsinghua?Tencent?100K兩個數(shù)據(jù)集測試的識別率分別為95.74％和96.67％。結(jié)果表明FTSR?CNN通過改進以往的模型網(wǎng)絡(luò)和啟用不同的訓(xùn)練策略，使得本方法在相同的識別準確水平下加快了方法的識別速度。

技術(shù)研發(fā)人員：耿磊;梁曉昱;肖志濤;張芳;吳駿;楊振杰
受保護的技術(shù)使用者：天津工業(yè)大學(xué)
文檔號碼：201610860204
技術(shù)研發(fā)日：2016.09.28
技術(shù)公布日：2017.05.17