基于改进网中网神经网络的交通标志识别

作者：李超; 杨艳^*

来源：信息技术, 2019, 43(09): 137-140.

DOI：10.13274/j.cnki.hdzj.2019.09.031

• 交通标志识别
• 卷积神经网路
• Network in Network
• 过拟合

针对在实际交通环境中交通标志识别中提高识别准确率和降低计算成本需求,文中提出一种基于网中网(Network in Network,NIN)神经网络的交通标志识别算法。相比卷积神经网络模型,NIN模型增加了MLP结构,并使用全局均值池化层替代全连接层,同时使用ELU函数代替Re LU修正单元。在德国交通标志数据集(GTSRB)进行分类识别研究。研究结果表明,算法在GTSRB基准数据集上获得98. 31%以上的识别准确率,同时能够有效地解决过拟合和梯度弥散等问题,文中算法有一定的先进性和鲁棒性。