| 一种基于深度学习的交通标志识别新算法 |
| |
| 引用本文： | 陈昌川,王海宁,赵 悦,王延平,李连杰,李 奎,张天骐.一种基于深度学习的交通标志识别新算法[J].电讯技术,2021,61(1):76-82. |
| |
| 作者姓名： | 陈昌川 王海宁 赵 悦 王延平 李连杰 李 奎 张天骐 |
| |
| 作者单位： | 重庆邮电大学通信与信息工程学院,重庆 400065;重庆邮电大学通信与信息工程学院,重庆 400065;重庆邮电大学通信与信息工程学院,重庆 400065;重庆邮电大学通信与信息工程学院,重庆 400065;山东大学信息科学与工程学院,山东青岛 266237;重庆邮电大学通信与信息工程学院,重庆 400065;重庆邮电大学通信与信息工程学院,重庆 400065 |
| |
| 基金项目： | 国家自然科学基金资助项目（61671095,61702085,61701065,61771067）；重庆市研究生教育教学改革研究重点项目（yjg192019） |
| |
| 摘 要： | 针对特定场景交通标志精度低与识别速度慢的问题,基于交通标志边缘信息与卷积神经网络,提出了一种交通标志图像识别T-YOLO算法.该算法基于YOLOv2算法检测思想,融合残差网络、卷积层填充0等结构,下采样舍弃池化层改用卷积层,并提取边缘信息与上采样以提升精度,设计7层特征提取网络以缩短识别速度,随后使用Softmax函数归一化实现多分类,并采用批量归一化、多尺度训练等方法缩短训练时间.实验表明,该算法真实有效,图形处理单元(Graphic Process-ing Unit,GPU)平台上最快检测速度13.69 ms/frame,每帧缩短9.51 ms,最高平均准确率97.3％,提高7.1％,满足实时高精度识别要求.与其他算法相比,该算法在交通标志识别速度与精度方面均有大幅提高,更加适用于现实场景,更贴近车载嵌入式系统.
|
| 关 键 词： | 智能交通系统 车载嵌入式系统 交通标志识别 深度学习 T-YOLO 多尺度训练 残差网络 |
A Novel Traffic Sign Recognition Algorithm Based on Deep Learning |
| |
| CHEN Changchuan,WANG Haining,ZHAO Yue,WANG Yanping,LI Lianjie,LI Kui,ZHANG Tianqi.A Novel Traffic Sign Recognition Algorithm Based on Deep Learning[J].Telecommunication Engineering,2021,61(1):76-82. |
| |
| Authors: | CHEN Changchuan WANG Haining ZHAO Yue WANG Yanping LI Lianjie LI Kui ZHANG Tianqi |
| |
| Affiliation: | 1.School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications,Chongqing 400065,China;2.School of Information Science and Engineering,Shandong University,Qingdao 266237,China |
| |
| Abstract: | |
| |
| Keywords: | intelligent transportation system vehicle embedded system traffic sign recognition deep learning T-YOLO multi-scale training residual network |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电讯技术》浏览原始摘要信息 |
|
点击此处可从《电讯技术》下载全文 |
|
