田润：基于深度学习的交通标志识别方法研究论文

本文主要研究内容

作者田润,魏志刚,刘明铮（2019）在《基于深度学习的交通标志识别方法研究》一文中研究指出：交通标志在日常生活中起着重要作用,如何利用视觉辅助技术识别交通标志已经成为当前智能交通领域的热点问题。本文将深度学习技术中的卷积神经网络算法应用于斑马线的识别研究。基于ResNet34结构[1]构建卷积神经网络,并在此基础上设计了用于识别斑马线的二分类器。通过实验验证,本文方法的识别精度可达到93%,平均识别速度在0.1s以下。

Abstract

jiao tong biao zhi zai ri chang sheng huo zhong qi zhao chong yao zuo yong ,ru he li yong shi jiao fu zhu ji shu shi bie jiao tong biao zhi yi jing cheng wei dang qian zhi neng jiao tong ling yu de re dian wen ti 。ben wen jiang shen du xue xi ji shu zhong de juan ji shen jing wang lao suan fa ying yong yu ban ma xian de shi bie yan jiu 。ji yu ResNet34jie gou [1]gou jian juan ji shen jing wang lao ,bing zai ci ji chu shang she ji le yong yu shi bie ban ma xian de er fen lei qi 。tong guo shi yan yan zheng ,ben wen fang fa de shi bie jing du ke da dao 93%,ping jun shi bie su du zai 0.1syi xia 。

论文参考文献

[1].基于卷积神经网络的交通标志识别[J]. 高咪,凌力. 微型电脑应用.2019(05)

[2].基于卷积神经网络的交通标志识别方法[J]. 朱永佳,张静. 上海师范大学学报(自然科学版).2018(05)

[3].基于神经网络的交通标志识别方法[J]. 赵丹. 科技促进发展.2012(s1)

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

[5].基于多尺度卷积神经网络的交通标志识别方法[J]. 樊星,赵祥模,刘占文,沈超,徐江. 现代电子技术.2019(15)

[6].基于改进卷积神经网络的交通标志识别方法[J]. 赵银玲,周武能. 计算机系统应用.2018(10)

[7].基于卷积神经网络的交通标志实时检测与识别[J]. 李晨,汪杨. 数字技术与应用.2018(06)

[8].基于优化的卷积神经网络在交通标志识别中的应用[J]. 张邯,罗晓曙,袁荣尚. 现代电子技术.2018(21)

[9].基于改进深度卷积神经网络的交通标志识别[J]. 马永杰,李雪燕,宋晓凤. 激光与光电子学进展.2018(12)

[10].基于改进的卷积神经网络的交通标志检测与识别算法[J]. 卢飞宇. 工业控制计算机.2019(06)

论文详细介绍

论文作者分别是来自数字技术与应用的田润,魏志刚,刘明铮，发表于刊物数字技术与应用2019年02期论文，是一篇关于卷积神经网络论文,智能交通论文,深度学习论文,数字技术与应用2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自数字技术与应用2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw00.cn/article/4b29231e40ed685239202ea5.html