科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有交通标识图像分类算法存在的分类识别准确率低、低照度环境适用性差等问题，设计了一种优化SSD(single shot multibox detector)模型，以改善低照度、弱监督条件下的图像分类识别性能。SSD模型在原始神经网络结构中增加了可变卷积层，提高了图像的匹配精度；模型采用了多任务损失函数提升图像分类置信度，为进一步优化SSD模型的性能，在选择窗口时以窗口比例为基准，生成具有不同规格的预选框，降低目标图像与真实图像的分类识别误差，并利用优化自适应阈值法提高交通标识图像的清晰度，以改善最终图像分类识别的准确率。实验结果显示，在测试集和训练集中，优化SSD模型均能得到较高的图像分类识别准确率，收敛速度更快且效率更高。
-
单位闽南理工学院
