国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 75 条结果

基于改进YOLOv3的交通标志识别
作者：晏文靖戴建华
发表期刊：武汉工程职业技术学院学报 2023年1期
关键词：YOLOv3交通标志识别CBL层调整焦点损失图像分块预处理
摘要：针对交通标志在图像中占比小,存在难以准确识别的问题,提出以YOLOv3网络模型为基础的改进算法对交通标志进行识别.调整网络中的CBL层,使用较浅层次网络的输出特征图,降低漏检率;采用焦点损失函数计算置信度,降低了误报率和对数平均未命中率;将图像分块预处理,解决较小的对象特征因图像大小调整而丢失的问题,提高主干网络检测速度.该算法在中国交通标志数据集上验证结果表明,提高YOLOv3网络的平均精度和整体性能,mAP达到97.84％,速度达35.6fps.
一种轻量型YOLOv5交通标志识别方法北大核心CSTPCD
作者：李志刚张娜
发表期刊：电讯技术 2022年9期
关键词：无人驾驶车环境感知交通标志识别遗传学习K-means聚类
摘要：针对为提高交通标志识别精度使得神经网络层数过深从而导致实时性不佳的问题,提出了一种轻量型YOLOv5交通标志识别方法.首先采用遗传学习算法和K-means聚类确定适合交通标志识别的锚框,然后引入Stem模块和ShufflenetV2的基础单元网络来替换YOLOv5的主干网络.相比于YOLOv5模型,在中国交通标志检测数据集上,轻量型YOLOv5模型在保持识别精度为95.9％的同时,参数量减少了95.4％,实际内存空间减少了93.9％,…查看全部>>
基于图像增强和SKNet的交通标志识别CSTPCD
作者：廖聪郭凰赵茂军王雨松白俊峰
发表期刊：计算机与现代化 2023年3期
关键词：图像增强直方图均衡化SKNet深度学习交通标志识别
摘要：针对现有交通标志识别系统对图像特征提取不充分和复杂情况下难以识别的问题,设计基于图像增强和SKNet的交通标志识别模型HE-SKNet.首先,采用直方图均衡化,对过亮或过暗的交通标志图像进行增强;然后使用自适应调节感受野大小的SKNet网络进行特征提取和分类.GTSRB数据集的实验结果表明,提出的HE-SKNet模型识别准确率达到了98.95％,相比ResNet、ResNeXt、SENet和SKNet准确率平均提高了2.77个百分点,…查看全部>>
基于多尺度卷积神经网络的交通标志识别方法北大核心CSTPCD
作者：樊星赵祥模刘占文沈超徐江
发表期刊：现代电子技术 2019年15期
关键词：智能交通深度学习交通标志识别多尺度目标识别神经网络加权融合
摘要：为解决交通标志目标易受复杂环境影响且呈现多尺度分布,造成识别精度低的问题,构建一种多尺度卷积神经网络模型.针对不同尺寸输入设计相应的网络结构,提取目标特征,实现对不同尺寸目标的识别,再加权融合各子网络结果得到最终识别结果,实现多尺度目标识别.经实验验证分析,提出算法模型在小尺寸目标、较小尺寸目标、中尺寸目标、大尺寸目标上识别率分别达到99.12％,99.24％,99.41％,99.35％,保障了多尺度输入目标识别的鲁棒性,综合识别率可…查看全部>>
面向多尺度交通标志的快速识别算法CSTPCD
作者：姚兆骁郑尧成陈洋
发表期刊：计算机与数字工程 2021年6期
关键词：交通标志识别多通道融合注意力机制多辅支卷积神经网络
摘要：由于光照、尺寸形变等因素,在自然条件下实时准确地检测和识别多尺度交通标志一直具有挑战性.针对该问题,论文提出一个面向多尺度交通标志的快速识别算法.首先,论文采用了一种基于多通道融合的输入方式,解决原始图像直接输入导致局部边缘刻画不明显的问题;同时,论文研究了一种注意力机制与多尺度特征相结合的交通标志检测算法.通过FPN网络获取多尺度特征图,同时在每个尺度的特征图中通过RPN网络定位出候选目标区域,最后候选目标区域的上下文信息与提取的目…查看全部>>
基于CNN和Bagging集成的交通标志识别北大核心CSTPCD
作者：田晟宋霖
发表期刊：广西师范大学学报：自然科学版 2022年4期
关键词：图像增强卷积神经网络迁移学习集成学习交通标志识别
多尺度特征融合与极限学习机结合的交通标志识别北大核心CSCDCSTPCD
作者：马永杰程时升马芸婷陈敏
发表期刊：液晶与显示 2020年6期
关键词：卷积神经网络交通标志识别多尺度融合智能交通极限学习机
摘要：针对卷积神经网络只能使用相同尺寸图像和卷积核的网络进行特征提取,导致提取的特征不全面,在交通标志识别中因车载摄像头与交通标志的位置不断变化影响交通标志的识别精度等问题,提出了一种基于多尺度特征融合与极限学习机结合的交通标志识别方法.首先,将预训练适应3种不同尺寸图像的网络模型作为实验的初始模型;然后,融合3个网络模型构建多尺度卷积神经网络,将3个预训练网络的参数级联到融合模型的全连接层,对融合模型的全连接层进行训练,采用随机梯度下降算…查看全部>>
基于CNN和SVM融合的交通标志识别CSTPCD
作者：王新美丁爱玲雷梦宁康盟
发表期刊：计算机技术与发展 2020年6期
关键词：CNNSVM迁移学习归一化交通标志识别
摘要：针对传统的卷积神经网络对小样本分类易产生过拟合等问题,在卷积神经网络( CNN)和支持向量机( SVM)融合模型的基础上,提出对CNN网络结构提取的特征进行归一化处理,提高泛化能力,并将其应用到交通标志识别.该方法构建了一种CNN-SVM模型,将卷积神经网络和支持向量机结合起来,使用从ImageNet数据集初始化的网络进行特定域的微调,截取网络内层来提取交通标志图像特征,并对特征进行归一化处理,最后采用SVM进行识别,从而有效解决交通…查看全部>>
基于Gabor特征提取和SVM交通标志识别方法研究北大核心CSTPCD
作者：张传伟崔万豪
发表期刊：现代电子技术 2018年17期
关键词：交通标志识别图像灰度化图像增强Gabor特征提取主成分分析支持向量机
摘要：交通标志识别是智能车辆基于视觉传感感知道路信息的关键技术,针对传统识别技术不能满足实时性和准确性的要求,采用一种基于Gabor特征提取和支持向量机(SVM)交通标志识别方法.首先选定交通标志图像进行灰度化、图像增强处理,采用Gabor滤波技术进行特征提取,针对大量的特征信息采用主成分分析(PCA)降维,并用支持向量机分类识别.最后在Matlab平台上进行实验,验证该方法的识别率和识别时间.实验结果表明,该方法较传统方法识别精度高,实时性好.
基于特征重用的交通标志识别技术应用研究
作者：仲会娟
发表期刊：数字技术与应用 2020年2期
关键词：交通标志识别LeNet-5深度学习卷积神经网络特征重用
摘要：道路交通标志识别作为主动安全驾驶系统和自动驾驶系统的重要组成部分,在道路行车安全过程中作用巨大,而真实场景采集的交通标志易受复杂环境的影响,造成自动识别精度不高.针对这一问题,以LeNet-5模型为基础,结合密集连接卷积神经网络(Dense Convolutional Network,DenseNet)思想进行网络结构调整,通过图像特征重用挖掘网络潜力、防止梯度消失,加入Dropout策略改善过拟合现象,利用正则化机制约束模型特性,提…查看全部>>

12 3 4 5 6 >