基于二级改进LeNet-5的交通标志识别算法

作者：党倩; 马苗; 陈昱莅

来源：陕西师范大学学报(自然科学版), 2017, 45(02): 24-28.

DOI：10.15983/j.cnki.jsnu.2017.02.125

• 卷积神经网络
• 交通标志
• 分类识别
• 支持向量机

以真实场景中拍摄的交通标志图像数据集GTSRB为研究对象,将卷积神经网络与支持向量机相结合,提出一种基于二级改进LeNet-5的交通标志识别算法。该算法首先根据识别系统的实时性要求,对原始LeNet-5结构进行改进;然后用裁剪、灰度化、图像增强和尺寸归一化等操作对原始图像进行预处理,得到32×32的感兴趣区域;接下来,利用数据集GTSRB训练出一个二级改进LeNet-5,其中第一级改进LeNet-5将感兴趣区域中包含的交通标志粗分为6类,第二级改进LeNet-5对粗分类结果进行细分类,识别出交通标志所属的最终类别。实验结果表明,基于二级改进LeNet-5交通标志识别算法因网络模型能够提取交通标志的多尺度特征,识别正确率可达91.76%。

• 出版日期2017
• 单位陕西师范大学