| 基于迁移学习的交通标志识别 |
| |
| 引用本文： | 卢健,陈泽民,马成贤,何金鑫.基于迁移学习的交通标志识别[J].测控技术,2019,38(11):81-85. |
| |
| 作者姓名： | 卢健 陈泽民 马成贤 何金鑫 |
| |
| 作者单位： | 西安工程大学电子信息学院,陕西西安,710048 |
| |
| 基金项目： | 国家自然科学基金项目（51607133）；陕西省教育厅专项科学研究计划项目（17JK0332）；陕西省科技厅科技发展计划项目（2011K06-01）；西安市碑林区应用技术研发项目(GX1807) |
| |
| 摘 要： | 传统的交通标志识别方法主要基于特征提取和机器学习技术，易受外部环境干扰，特征学习和特征表达能力较弱，识别准确率低。而基于深度学习的交通标志识别，对学习数据要求较高，模型在小样本数据学习中学习效率低。针对上述问题，提出了一种基于迁移学习的交通标志识别方法。该方法首先将ImageNet数据集中训练好的Inceptionv3模型的卷积层和瓶颈层进行迁移；然后在瓶颈层后接上全链接层，从而构建出迁移学习的模型；最后利用公开数据集和公开场景的交通标志图像进行实验训练模型验证。实验结果表明，与现有主流的交通标志识别方法相比，所提方法在微量数据集下有较高的识别率，预测准确率达96%以上。
|
| 关 键 词： | 深度学习 迁移学习 交通标志识别 微量数据集 |
Traffic Sign Recognition Based on Transfer Learning |
| |
| Abstract: | |
| |
| Keywords: | deep learning transfer learning traffic sign recognition micro data set |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《测控技术》浏览原始摘要信息 |
|
点击此处可从《测控技术》下载全文 |
|
