典型文献
基于改进残差网络的交通标志识别算法
文献摘要：
针对模型在下采样过程中不断损失图像的高层次信息,从而导致特征提取不足的问题,本文对ResNet网络结构进行改进,提出基于多尺度特征与注意力机制的交通标志识别方法.首先,通过特征融合的方式将模型各个层次的多尺度特征进行融合,丰富特征语义信息,增强网络的特征提取能力.然后,通过注意力机制强化不同通道特征,提升特征整体的表达能力.结合这2种方法可提升模型的交通标志识别准确率.在GTSRB和BelgiumTS交通标志数据集上的实验结果表明,所提出方法的准确率分别达到99.31％和98.96％,优于前沿的交通标志识别算法.
文献关键词：
深度学习;交通标志识别;卷积神经网络;多尺度特征融合;通道注意力机制
中图分类号：
作者姓名：
梁正友;耿经邦;孙宇
作者机构：
广西大学计算机与电子信息学院,广西 南宁 530004
文献出处：
引用格式：
[1]梁正友;耿经邦;孙宇-.基于改进残差网络的交通标志识别算法)[J].计算机与现代化,2022(04):52-57,64
A类：
BelgiumTS
B类：
残差网络,交通标志识别,识别算法,下采样,ResNet,语义信息,特征提取能力,通道特征,表达能力,识别准确率,GTSRB,多尺度特征融合,通道注意力机制
AB值：
0.218899
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。
