科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高交通指示灯信号的识别精度，提出一种基于多源损失自适应的交通指示灯识别方法。该方法采用BI-LSTM多层自编码对交通指示灯信号进行特征提取，整合后的特征向量作为新的输入，将数据传输至MLP神经网络，再经过softmax层实现数据样本的分类计算，最后采用梯度下降方法，通过模型训练实现模型参数和自适应参数的优化。与一般深度学习单一损失来源不同，该模型具有三个损失来源，分别是编解码损失、对比损失以及交叉熵损失，模型的总损失是由这三个损失以相应的权重叠加而来，权重参数ζ和β是自适应参数，随着模型的训练，ζ和β进行独立学习，最终达到理想值。结果表明多源损失自适应策略对模型自我优化的有效性，提高了模型识别精度。
- 单位
