卷積神經網絡在交通標志識別中的研究.pdf

1、自然環(huán)境下的交通標志識別，是無人駕駛中必不可少的技術要求，近年來百度、亞馬遜、google、facebook等公司越來越重視無人駕駛，前幾年的研究者通常應用顏色、形狀、尺度等來表達交通標志的特征。本文充分利用最近5年熱起來的卷積神經網絡來識別交通標志，把網絡不斷優(yōu)化，多次實驗，調整網絡結構與參數(shù)，最終設計了一個在交通標志識別中表現(xiàn)優(yōu)秀的網絡模型，該網絡具有良好的準確性、高效性、可移植性。
　　用卷積神經網絡的理論解決分類識別問題時

2、，往往用到大量的數(shù)據，本文是基于德國交通標志數(shù)據集(GTSRB)，以在圖像處理領域效果最好的Caffe作為框架，設計適合于交通標志識別的網絡模型以及網絡中使用的超參數(shù)。
　　本文的研究工作主要包含以下幾個方面:
　　(1)本文在Siamese網絡模型的基礎上，提出了一種雙網絡線性合并的想法，首先將Siamese網絡卷積層與池化層的權值共享的特性改進成先不共享，隨著圖片特征的不斷提取，再進行權值共享，這樣可以提高交通標志的準確

3、率。
　　(2)為了進一步優(yōu)化網絡的結構，提高交通標志識別的準確性與可移植性，本文采用2-channel網絡結構思想，把單通道圖片改進為雙通道圖片，該方法提高了網絡模型的泛化能力，還能提取圖像的特征表達能力，并且給交通標志識別中因為數(shù)據量的不足，帶來更加方便的識別方法。
　　(3)最后本文應用了全新的Inception結構為基本元素，以Ubuntu14.04為操作系統(tǒng)，以Caffe框架為平臺，以GoogleNet為整體網絡模