| 基于深度学习的交通标志检测方法研究 |
| |
| 作者姓名： | 武林秀 李厚杰 贺建军 陈璇 |
| |
| 作者单位： | 大连民族大学 信息与通信工程学院,辽宁 大连 116605 |
| |
| 基金项目： | 国家科技支撑计划项目(2015BAD29B01);国家自然科学基金资助项目(61403060);辽宁省自然科学基金项目(20180550273);辽宁省教育厅科研研究一般项目(L2014540);中央高校基本科研业务费专项资金资助项目(DC110313,DC201502060405)。 |
| |
| 摘 要： | 提出了一种基于Faster R-CNN深度学习框架的交通标志检测方法,使用VGG16卷积神经网络自动提取交通标志图像特征,并将卷积特征图传入区域建议网络(RPN)中进行前景目标筛选及回归目标边框,将建议区域框映射到特征图上,经过RoI池化层后输出固定大小的建议框,利用分类网络对建议区域进行具体的类别判断,并精确回归目标的边框。并将算法在德国交通标志数据集GTSDB进行了实验验证,实验结果表明了所提出算法的有效性,该方法对不同光照、遮挡、标志模糊等具有鲁棒性。
|
| 关 键 词： | 深度学习 Faster R-CNN 建议区域网络 交通标志检测 |
|
| 点击此处可从《大连民族学院学报》浏览原始摘要信息 |
|
点击此处可从《大连民族学院学报》下载全文 |
|
