一种改进的深度学习的道路交通标识识别算法

摘要

针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法.该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别.首先,通过调节光照影响、去除复杂背景、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合squeeze-and-excitation思想和残差网络结构,充分训练出自己的卷积神经网络模型;最后,将优化的网络模型用于道路交通标识的识别.实验结果表明,该方法使训练时间缩短了12％左右,识别精度可达99.26％.