天津职业技术师范大学汽车与交通学院;天津中德应用技术大学汽车与轨道交通学院;
为了提高自然交通场景中交通标志的识别精度和检测识别率，提出了一种基于改进LeNet-5网络的交通标志识别算法。该方法对交通标志数据集进行图像尺寸归一化以及数据集增广预处理，增加数据集的多样性，提高了后续模型训练的准确率。对主体LeNet-5网络进行了改进，网络模型使用4层卷积、池化层连接2个全连接层，加深模型的深度；采用ReLU激活函数代替Sigmoid激活函数对卷积运算的结果进行转换，降低算法的计算复杂度；为改善训练神经网络过程中的过拟合现象，在模型中加入Dropout策略；通过实验分析确定算法中的相关参数并与改进前LeNet-5网络进行对比，验证改进算法的有效性。实验结果表明，本研究提出的算法在德国交通标志数据集（GTSRB）上获得99.42%的识别准确率。
| 707 | 4 | 17 |
| 下载次数 | 被引频次 | 阅读次数 |
[1]DEWI C,CHEN R C,LIU Y T,et al.Synthetic data generation using DCGAN for improved traffic sign recognition[J].Neural Computing and Applications,2021,3:1-16.
[2]王海，王宽，蔡英凤，等.基于改进级联卷积神经网络的交通标志识别[J].汽车工程，2020,42(9):1256-1262,1269.
[3]刘见平，赵丽，牛树云，等.基于形状模板匹配的交通标志污损检测方法研究[J].公路交通科技（应用技术版），2018,14(12):270-273.
[4]刘洋，黄大荣，刘洋，等.基于多颜色空间级联分类的交通标志图像颜色标准化[J].计算机工程，2020,46(9):233-241.
[5]王斌，常发亮，刘春生.基于多特征融合的交通标志分类[J].山东大学学报（工学版），2016,46(4):34-40,53.
[6]徐岩，王权威，韦镇余.一种融合加权ELM和Ada Boost的交通标志识别算法[J].小型微型计算机系统，2017,38(9):2028-2032.
[7]FAIEDH H,FARHAT W,HAMDI S,et al.Embedded realtime system for traffic sign recognition on ARM processor[J].International Journal of Applied Metaheuristic Computing,2020,11(2):77-98.
[8]李厚杰，王法胜，贺建军，等.基于伪样本正则化Faster R-CNN的交通标志检测[J].吉林大学学报（工学版），2021,51(4):1251-1260.
[9]REDMON J,DIVVALA S,GIRSHICK R,et al.You only look once:unified,real-time object detection[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition(CVPR).Las Vegas:IEEE,2016:779-788.
[10]STALLKAMP J,SCHLIPSING M,SALMEN J,et al.The German traffic sign recognition benchmark:a multi-class classification competition[C]//The 2011 International Joint Conference on Neural Networks.San Jose:IEEE,2011:1453-1460.
[11]宋青松，张超，田正鑫，等.基于多尺度卷积神经网络的交通标志识别[J].湖南大学学报（自然科学版），2018,45(8):131-137.
[12]冀晓兵.图像尺寸变换的算法研究[D].西安：西安建筑科技大学，2011.
[13]褚莹，陶纪宇，凌力.基于改进Le Net-5的交通标志识别算法研究[J].微型电脑应用，2019,35(9):58-61.
[14]朱雯文，叶西宁.基于卷积神经网络的手势识别算法[J].华东理工大学学报（自然科学版），2018,44(2):260-269.
[15]张猛，钱育蓉，杜娇，等.基于改进的Le Net-5卷积神经网络交通标志的识别[J].东北师范大学学报（自然科学版），2020,52(1):92-97.
[16]王明俊.复杂场景下的车牌识别算法研究[D].太原：中北大学，2021.
基本信息:
DOI：10.19573/j.issn2095-0926.202201006
中图分类号:TP391.41;U463.6
引用信息:
[1]李达,关志伟,陈强等.改进LeNet-5网络用于交通标志识别的方法[J].天津职业技术师范大学学报,2022,32(01):33-38.DOI:10.19573/j.issn2095-0926.202201006.
基金信息:
天津市人工智能科技重大专项（17ZXRGGX00070）; 天津市教委科研计划重点项目（2019ZD20）; 天津市科技计划项目（20KPHDRC00030）