计算机应用

作者：邓天民, 方芳, 周臻浩

单位：重庆交通大学 交通运输学院, 重庆 400074

关键词：图像去雾,空间金字塔池化,卷积神经网络,Softmax分类器,交通标志识别

基金：国家自然科学基金资助项目（51678099）；重庆市科技人才培养计划项目（CSTC2013KJRC-QNRC0148）。

针对雾天、光照、遮挡和大倾角等因素导致的交通标志识别准确率低、泛化性差等问题，提出一种基于神经网络的轻量级交通标志识别方法。首先，利用图像归一化、仿射变换和限制对比度自适应直方图均衡化（CLAHE）方法进行图像预处理，以提高图像质量；其次，基于卷积神经网络（CNN），融合空间金字塔结构和批量归一化（BN）方法构建改进空间金字塔池化卷积神经网络（SPPN-CNN）模型，并利用Softmax分类器实现交通标志分类；最后，选用德国交通标志识别数据集（GTSRB），对比不同图像预处理方法、模型参数和模型结构的训练效果，并验证和测试所提模型。实验结果表明，SPPN-CNN模型的识别精度达到98.04%，损失小于0.1，在低配GPU条件下识别速率大于3 000 frame/s，验证了模型精度高、泛化性强、实时性好的特点。

来源：2020年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第10期