基于卷积神经网络中层特征学习的交通标志图像识别

作者：苏正青; 马巧梅

来源：计算机应用与软件, 2022, 39(04): 249-253.

• 卷积神经网络
• 交通标志
• 图像识别
• 中层特征

为解决目前方法不能有效对交通标志进行检测定位，定位交通标志效率低下，存在误检漏检的问题，提出基于卷积神经网络中层特征学习的交通标志图像识别。计算图像的显著度并输出感兴趣区域；提取底层图像特征，构建优化目标函数并训练视觉词典，使用PCA方法提取交通标志图像特征并与视觉词典进行卷积，通过空间金字塔池化提取多层次特征；使用SoftMax分类器进行分类。结果表明：该方法的召回率为96%,准确率为97%,取得良好效果，小标志的召回率为94.5%,准确率为95.5%,有利于远距离交通标志识别，标志的平均定位时间为0.006 s,实时性强。

• 单位
  中北大学