首页 > 论文 > 激光与光电子学进展 > 56卷 > 07期(pp:071003)

基于改进卷积网络的实时交通标志检测方法

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

交通标志检测在驾驶辅助系统和交通安全方面发挥着重要作用。卷积神经网络在计算机视觉任务上取得了重大的突破,并在交通标志检测方面取得了巨大的成功。然而,现有的检测方法通常达不到实时的效果。因此,本文提出一种改进卷积神经网络交通标志检测方法,通过结合特征级联,难分类负样本采集,多尺度训练和关键参数的适当校准等多种方法来改进快速卷积神经网络模型。首先预训练模型,以便产生否定;然后,使用难分类负样本采集将负样本输入到网络中,提升模型的判别能力;最后,使用多尺度训练过程中的特征级联策略来进一步提升模型的性能。本文利用Tensorflow框架对所提出的方法的有效性进行了仿真分析。在德国交通标志检测数据集上的仿真结果表明,与现有技术相比,本文提出的方法能够获得更高的检测速率,检测速度可以提升到处理每张图像仅需0.016秒。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.071003

作者单位:

    安徽工程大学
    安徽工程大学

引用该论文

童英,杨会成. 基于改进卷积网络的实时交通标志检测方法[J].激光与光电子学进展,2019,56(07):071003.