基于Keras的交通标志识别研究

摘要

以交通标志识别为研究目的,对LeNet-5卷积神经网络进行改进,包括将输出层的10个神经元节点增加到62个,将sigmoid函数替换为relu函数,将平均池化改为最大池化,为了防止网络过拟合添加Dropout层.采用的数据集为比利时交通标志数据库,实验结果表明,提出的算法识别正确率为98.96％,对交通标志具有良好的识别效果.