科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
- 出版日期2022
- 单位天津中德应用技术大学; 天津职业技术师范大学
