检索结果-南通市图书馆

基于无参数形状检测子和DT-CWT的交通标志识别

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2013年第9期50卷 1893-1901页

作者：谷明琴蔡自兴中南大学信息科学与工程学院长沙410083 奇瑞前瞻技术科学院安徽芜湖241009

针对车辆行驶环境中难以检测的交通标志,提出了一种检测和识别方法.首先分割交通标志的特征颜色区域,并扩展感兴趣区域,提取区域边缘.然后用直线分割和杂点去除粗略划分边缘,根据直线间顶点处的曲率关系,计算转向角并分类顶点的类型,用... 详细信息

针对车辆行驶环境中难以检测的交通标志,提出了一种检测和识别方法.首先分割交通标志的特征颜色区域,并扩展感兴趣区域,提取区域边缘.然后用直线分割和杂点去除粗略划分边缘,根据直线间顶点处的曲率关系,计算转向角并分类顶点的类型,用无参数形状检测子来检测图像中的圆形、三角形和矩形等.将检测到的候选区域送入形状分类器中,分类形状并排除杂质的干扰,最后通过二元树复小波变换和二维独立分量分析相结合来识别交通标志类型.实验结果表明提出的方法对交通标志被遮挡、光照不均匀、颜色部分失真的情况下,检测率和识别率均较高,并且可以达到实时处理的效果.

关键词：无参数形状检测子曲率形状分类二元树复小波变换交通标志识别

基于多尺度卷积神经网络的道路交通标志识别方法研究

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2021年第4期39卷 891-900页

作者：尉天成陈小锋殷元亮西北工业大学自动化学院陕西西安710129

为了准确识别不同路况下的交通标志信息,提出一种在Faster RCNN模型基础上改进的深度学习方法。针对交通标志的显著特征,设计了多路并联全卷积神经网络,对原始图像中的交通标志颜色、形状以及纹理进行多路特征提取,将多路特征层进行融... 详细信息

为了准确识别不同路况下的交通标志信息,提出一种在Faster RCNN模型基础上改进的深度学习方法。针对交通标志的显著特征,设计了多路并联全卷积神经网络,对原始图像中的交通标志颜色、形状以及纹理进行多路特征提取,将多路特征层进行融合得到最终特征图,通过图像预处理加强了模型在多种环境和天气状况下的适应能力。同时在特征提取网络中加入深浅层特征层的融合特征,保留浅层特征层的细节纹理信息和深层特征层的语义信息,得到最终特征层能够适应多尺度变化的交通标志的识别。在原有RPN候选区域生成网络前,利用交通标志先验知识作为辅助进行目标检测定位,提出了针对交通标志识别更加合理的候选锚框生成办法。从先验知识统计交通标志尺寸和比例结果出发,设计适用于交通标志识别的目标候选框,减少了大量冗余的和负相关的候选框,提高检测准确度减少检测时间;加入针对深浅特征层的多尺度候选框生成方法,在强化多尺度目标识别能力的同时,进一步加强了小目标检测和识别效果;采用国际通用交通标志规范数据集GTSRB/GTSDB以及国内交通标志数据集TT100K对模型识别能力进行识别验证。

关键词：交通标志识别深度学习卷积神经网络特征融合小目标识别

在线全文

学校读者我要写书评

暂无评论

基于改进残差网络的交通标志识别算法

计算机与现代化 2022年第4期 52-57,64页

作者：梁正友耿经邦孙宇广西大学计算机与电子信息学院广西南宁530004

针对模型在下采样过程中不断损失图像的高层次信息,从而导致特征提取不足的问题,本文对ResNet网络结构进行改进,提出基于多尺度特征与注意力机制的交通标志识别方法。首先,通过特征融合的方式将模型各个层次的多尺度特征进行融合,丰富... 详细信息

针对模型在下采样过程中不断损失图像的高层次信息,从而导致特征提取不足的问题,本文对ResNet网络结构进行改进,提出基于多尺度特征与注意力机制的交通标志识别方法。首先,通过特征融合的方式将模型各个层次的多尺度特征进行融合,丰富特征语义信息,增强网络的特征提取能力。然后,通过注意力机制强化不同通道特征,提升特征整体的表达能力。结合这2种方法可提升模型的交通标志识别准确率。在GTSRB和BelgiumTS交通标志数据集上的实验结果表明,所提出方法的准确率分别达到99.31%和98.96%,优于前沿的交通标志识别算法。

关键词：深度学习交通标志识别卷积神经网络多尺度特征融合通道注意力机制

基于YOLOv4-tiny改进的交通标志识别算法

在线全文

学校读者我要写书评

暂无评论

计算机与数字工程 2023年第3期51卷 618-622,644页

作者：刘毅安移上海理工大学光电信息与计算机工程学院上海200093

针对交通标志目标识别精度较低、速度慢并且模型参数量过大的问题,论文提出一种改进YOLOv4-tiny识别算法,在特征提取阶段引入深度可分离卷积轻量化主干网络并降低模型的参数量和计算量。在特征融合阶段使用递归特征金字塔(RFP)进行多尺... 详细信息

针对交通标志目标识别精度较低、速度慢并且模型参数量过大的问题,论文提出一种改进YOLOv4-tiny识别算法,在特征提取阶段引入深度可分离卷积轻量化主干网络并降低模型的参数量和计算量。在特征融合阶段使用递归特征金字塔(RFP)进行多尺度特征融合。在TT100K数据集上验证改进算法的平均精度均值达到88.5%,相比YOLOv4-tiny提升4.6%,模型大小仅为17MB是YOLOv4-tiny的56%,改进算法降低了模型大小和计算量并提升检测精度和速度。

关键词：深度可分离卷积递归特征金字塔交通标志识别 YOLOv4-tiny

基于通道变换轻量化Yolov5s交通标志识别算法

在线全文

学校读者我要写书评

暂无评论

计算机科学与应用 2022年第6期12卷 1529-1537页

作者：冷晨王萍东华大学信息科学与技术学院上海

为满足车载终端设备对于交通标志识别模型占用内存的需求,本文针对计算资源受限的嵌入式平台,提出一种轻量交通标志识别算法Yolov5s-lite。通过在Yolov5s中引入Fire Module结构进行通道变换、降低残差模块数量,减少了其模型占用内存。在... 详细信息

为满足车载终端设备对于交通标志识别模型占用内存的需求,本文针对计算资源受限的嵌入式平台,提出一种轻量交通标志识别算法Yolov5s-lite。通过在Yolov5s中引入Fire Module结构进行通道变换、降低残差模块数量,减少了其模型占用内存。在TT100K数据集上实验结果表明,Yolov5s-lite相比于Yolov5s,模型参数量下降22.8%、计算量下降27.9%、实际模型内存下降21.7%、mAP仅下降0.5%,在检测准确率相当的前提下有效压缩了模型大小。

关键词：交通标志识别 Fire Module Yolov5s-Lite 轻量残差模块

利用ASIFT算法实现多视角静态交通标志识别

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2013年第5期38卷 553-556,560页

作者：陈龙潘志敏李清泉萧世伦武汉大学测绘遥感信息工程国家重点实验室武汉市珞喻路129号430079 武汉大学电子信息学院武汉市珞喻路129号430079 武汉大学时空数据智能获取技术与应用教育部工程研究中心武汉市珞喻路129号430079

针对自然场景图像中交通标志存在多视角难以识别的问题,提出了一种基于ASIFT(affine-scale-in-variant feature transform)算子匹配的交通标志识别算法。利用ASIFT对视角变化的不变性进行特征点匹配,通过统计并比较有效匹配点来决定标... 详细信息

针对自然场景图像中交通标志存在多视角难以识别的问题,提出了一种基于ASIFT(affine-scale-in-variant feature transform)算子匹配的交通标志识别算法。利用ASIFT对视角变化的不变性进行特征点匹配,通过统计并比较有效匹配点来决定标志种类。实验表明,该算法对视角较小的交通标志也有较好的效果。

关键词： ASIFT 不变特征交通标志识别无人驾驶

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于YOLOv5的交通标志识别系统

电脑知识与技术 2022年第19期18卷 97-99页

作者：周钰如厉丹肖辰禹赵子龙徐州工程学院信息工程学院(大数据学院) 江苏徐州221000

为了防止驾驶员因极端天气、照明条件不良、交通标志破损等原因误判或漏判道路交通标志而引发严重交通事故,以及促进智能汽车和无人驾驶技术的发展,提出一种基于YOLOv5算法的交通标志识别系统。YOLOv5在YOLOv4算法的基础上进行了检测性... 详细信息

为了防止驾驶员因极端天气、照明条件不良、交通标志破损等原因误判或漏判道路交通标志而引发严重交通事故,以及促进智能汽车和无人驾驶技术的发展,提出一种基于YOLOv5算法的交通标志识别系统。YOLOv5在YOLOv4算法的基础上进行了检测性能提升的改进,其在目标检测方面的精度和速度都有极大的提升。实验在原有数据集的基础上还对图像进行了曝光、暗化、雾化、模糊等处理,以尽可能还原真实道路情况。实验采用Make Sense在线标注工具对数据集进行标注,在AutoDL品质GPU租用平台租赁GeForce RTX 3090对数据集进行训练。

关键词：无人驾驶 YOLOv5 交通标志识别

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的交通标志识别技术研究进展

西部交通科技 2023年第12期 194-197页

作者：杨广柱龙泽链李毅王天生黄绍信广西交通职业技术学院广西南宁530013

文章综述了基于深度学习的交通标志识别技术,厘清了传统交通标志识别与基于深度学习的交通标志识别的关系,着重介绍了卷积神经网络交通标志识别算法,并分析近年来该算法取得的突破性进展,旨在为进一步的研究提供参考和指导。

关键词：交通标志识别深度学习卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的交通标志识别算法研究

山东交通科技 2023年第2期 129-132,136页

作者：于然峰万青松蒋中俊山东高速物流集团山东济南250012 山东高速信息集团山东济南250023

把交通标志识别分为两部分,检测交通标志所在位置与对检测到的图像进行分类,基于SSD网络结构,采用SSD网络多层特征图的信息进行边框回归和置信度值对交通标志位置进行检测;基于Xception结构的深度卷积神经网络,选用了Leaky Relu激活函数... 详细信息

把交通标志识别分为两部分,检测交通标志所在位置与对检测到的图像进行分类,基于SSD网络结构,采用SSD网络多层特征图的信息进行边框回归和置信度值对交通标志位置进行检测;基于Xception结构的深度卷积神经网络,选用了Leaky Relu激活函数,对交通标志位置进行分类,将检测与分类过程分别独立训练,可以保证检测和分类均具有较高的准确率,采用GTSDB测试集的识别率为87.52%。

关键词：交通工程交通标志识别卷积神经网络目标检测目标分类