摘要：為了提高交通標(biāo)志圖像識(shí)別的準(zhǔn)確性和實(shí)時(shí)性,提出一種基于圖像聚類的交通標(biāo)志CNN快速識(shí)別算法。利用圖像聚類算法對(duì)原始數(shù)據(jù)集進(jìn)行樣本優(yōu)化;采用多種圖像預(yù)處理操作使樣本整體質(zhì)量進(jìn)一步提升;構(gòu)造了深度為9的CNN結(jié)構(gòu),通過(guò)多次訓(xùn)練得到最終的網(wǎng)絡(luò)模型,將待識(shí)別的圖像輸入到CNN模型來(lái)實(shí)現(xiàn)自動(dòng)識(shí)別。在德國(guó)交通標(biāo)志數(shù)據(jù)集(German traffic sign recognition benchmark,GTSRB)和比利時(shí)交通標(biāo)志數(shù)據(jù)集(Belgium traffic sign dataset,BTSD)上證明了算法的有效性,單張圖片的識(shí)別速度只需0.2 s,識(shí)別精度高達(dá)98.5%以上。本算法具有識(shí)別速度快、準(zhǔn)確率高的特點(diǎn),可為智能駕駛的可靠性和安全性提供理論依據(jù)和技術(shù)支持。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
