标题：
基于卷积神经网络和多类SVM的交通标志识别
点击次数：
所属单位：
自动化学院
发表刊物：
应用科技
关键字：
交通标志识别;卷积神经网络;深度学习;迁移学习;多类SVM;过拟合;softmax;AlexNet;
摘要：
为了实现在复杂环境下具有较高准确率的交通标志识别以及在小样本情况下也能良好工作的识别网络,提出一种基于卷积神经网络和多类SVM的交通标志识别模型。此模型不需人工设计特征提取算法,且在小样本训练集上也能训练出具有较高准确率的分类模型。除此之外,利用迁移学习策略,避免重新初始化卷积神经网络,在节省大量样本与训练时间的同时能有效避免过拟合的发生。实验结果表明,提出的分类模型在小样本训练集上进行训练后得到的模型在实际测试中有较好的表现且对处于复杂背景下和严重畸变的交通标志具有可靠的识别能力和良好分类结果。
是否译文：
否
发表时间：
2018-01-05
合写作者：
宋佳蓉,张天翼,韩家明,朱家远
通讯作者：
杨忠
发表时间：
2018-01-05
学位：工学博士学位
职称：教授
所在单位：自动化学院