典型文献
一种基于深度学习的交通标志识别算法研究
文献摘要：
针对当前在真实环境中交通标志呈多尺度分布,且图像背景复杂、天气光照多变等多种因素造成识别精度低、识别速度慢等情况.提出了一种基于深度学习神经网络的交通标志识别的设计与实现.首先从公开数据集TT100K中选取出现次数最多的45类交通标志进行识别,接着对图像进行mosaic等图像增强及图像处理.然后在深度学习神经网络中的YOLOv4网络结构上进行改进,使用聚类划分需要检测的目标框尺寸和CIOU对预测结果进行优化,最后使用迁移学习对模型进行训练.通过对模型的评估发现,与现有的方法相比,该模型的识别精度更高,识别速度更快.
文献关键词：
深度学习;目标检测;交通标志检测;YOLOv4
中图分类号：
作者姓名：
谢豆;石景文;刘文军;刘澍
作者机构：
苏州工业职业技术学院软件与服务外包学院,江苏苏州 215104;中国信息通信研究院,北京 100191
文献出处：
引用格式：
[1]谢豆;石景文;刘文军;刘澍-.一种基于深度学习的交通标志识别算法研究)[J].电脑知识与技术,2022(06):116-118
A类：
B类：
交通标志识别,识别算法,算法研究,真实环境,识别精度,速度慢,深度学习神经网络,公开数据集,TT100K,数最多,mosaic,图像增强,YOLOv4,CIOU,迁移学习,目标检测,交通标志检测
AB值：
0.36063
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
