一种基于深度学习和极限学习机的交通标志识别方法

摘要

本发明公开了一种基于深度学习和极限学习机的交通标志识别方法，包括以下步骤：步骤1：获取交通标志样本数据集，按照交叉验证的方法，按照10：1的比例随机分为训练数据集和测试数据集；步骤2：对数据集进行增强处理，得到分布均匀的训练样本集，并通过分布均匀的训练样本集训练神经网络模型；步骤3：利用VGG16网络生成的特征金字塔监测出交通标志；步骤4：利用极限学习机ELM分类器识别交通标志，利用全连接网络进行边界框回归。本发明是基于VGG16网络结构进行交通标志的检测，并采用极限学习机进行交通标志的识别；在德国公共数据集上有较好的检测与识别表现，且对不同类型的标志均有较快的检测与识别速度。