交通标志识别系统是智能交通系统与先进辅助驾驶系统的重要组成部分，由于道路交通较为复杂，提高交通检测与识别算法的准确率和实时性是走向实际应用进程中需要解决的关键问题。文章提出一种基于参数优化的卷积神经网络方法，在对选用的数据集进行预处理操作基础上，适当调整CNN的规模、结构，使用网格法对相关参数进行协同优化，再使用改进的CNN模型在CTSDB数据集上进行训练和验证。结果表明：优化后的模型性能和稳健性均显著提高，且能够有效地完成交通标志的识别、分类任务。
科研之友
微信
新浪微博
Facebook
分享链接
